pdf-metadata-fillerlisted

# PDF Metadata Filler PDF ディレクトリの Title/Author/DOI 欠損を多段フォールバックで補完する。 エンジンは OpenAlex/CrossRef/CiNii + OCR + LLM(Gemini/Groq, REST 直叩き)。 （earlier private tooling を統合・置換した公開版, 2026-06） ## 取得チェーン（`fill_pdf_metadata.py`） ``` ファイル名DOI → 本文DOI → OpenAlex(DOI) → CrossRef(DOI) → OpenAlex(title) → CrossRef(title) → CiNii(title=和文紀要に強い) → (スキャンPDF) OCR(eng+jpn) → LLM テキスト提案(Groq→Gemini) ``` - 書込: 本体は pypdf（アトミック書込: `.pdf.tmp` → `os.replace`。元 PDF は失敗時も無傷）。 helper の `upgrade_matched.py` / `fuzzy_fill.py` は exiftool 書込。 - **バックアップ契約（全書込スクリプト共通）**: 変更前に `<name>.pdf.bak` を**未存在時のみ**作成。 既存 `.bak` は原本なので再実行でも決して上書きしない。バックアップ失敗時はそのファイルを書き込まない。 - DOI は `/Subject` に格納（dedup キー）。title 類似度ゲート(0.6) で誤一致抑止。 LLM は本文に無ければ doi 空（捏造禁止）。 ## スクリプト（`scripts/`） | script | 役割 | |---|---| | `fill_pdf_metadata.py` | 本体。`<dir> [--dry-run] [--only-list FILE] [--redo] [--keys PATH]` | | `verify_proposals.py` | LLM提案(done_groq_proposal)のタイトルを OpenAlex/CrossRef/CiNii 照合 → matched/unmatched/no_title/error（read-only。error=API一時障害、再実行で再照合�� | | `upgrade_matched.py` | matched を実 DOI/著者で格上げ(exiftool) → status `done` | | `fuzzy_fill.py` | no-title を 強制OCR(eng+jpn)+ファイル名で LLM ファジー全埋め → `done_fuzzy`（LLM 必須・キー未設定は設定エラーで即終了） | - helper 3 スクリプトは対象 dir を第1引数（または環境変数 `PAPERS_DIR`）で受け取る。未指定は明示エラー。 - `--keys PATH` は全スクリプト共通。既定の解決順: `--keys → リポジトリ直下（scripts/ の親）の api_keys.json →（fill_pdf_metadata.py のみ）走査対象 dir`。 - 書込対象パスは対象 dir 内に限定（containment チェック。`../` 等で外の PDF は書き換えない）。 - helper は `exifto