yuchenlin/rebiber · 上手攻略

仓库：yuchenlin/rebiber
链接：https://github.com/yuchenlin/rebiber
分类：academic-writing
作者：spark
更新：2026-08-19

是什么

rebiber 是 Bill Yuchen Lin（LIN 等 ACL/EMNLP 圈引用率最高的那批作者）开源的 BibTeX 规范化工具：把 .bib 文件里那些"半成品"的 arXiv 预印本、DBLP 残缺记录、ACL Anthology 早期条目，就地替换为官方 DBLP / ACL Anthology 的完整、规范化、可引用的元数据。cite key 保持不变，所以 .tex / .Typst / \.md 里所有 \cite{...} 引用都不需要改。

⚠️ 项目只通过 GitHub 分发，不发布到 PyPI。任何执行 pip install rebiber 安装的 2021 1.1.3 旧版都不在官方支持范围。

解决什么问题

学术写作有三条典型痛点：

arXiv 引用版 vs 正式发表版：写论文时引的是 arXiv preprint arXiv:2005.00683，后来会议出 EMNLP 2020 正式版，作者、期刊、页码、DOI 全不一样——rebiber 一键替换。
DBLP 残缺字段：很多会议 DBLP 同步不及时，缺 DOI、缺页码、缺 booktitle。rebiber 用仓库内维护的官方 dump 补全。
cite key 漂移：换工具（BibTeX → Better BibTeX → Zotero → 再导出 BibTeX）会让 cite key 变成 lin2020numerSense → BIB_LIN2020NUM_001——参考资料里所有 \cite{} 都要改。rebiber 设计上不动 ID，只换条目内容。

快速安装

uv 工具（推荐）

uv tool install git+https://github.com/yuchenlin/rebiber

pip

pip install "rebiber @ git+https://github.com/yuchenlin/rebiber"

源码开发

git clone https://github.com/yuchenlin/rebiber.git && cd rebiber
uv sync --extra dev      # 或 pip install -e ".[dev]"
uv run pytest

⚠️ 版本：仓库当前默认分支含最新会议索引（monthly job 自动 dump）；PyPI 上的 rebiber 1.1.3（2021）已严重过时。

核心用法

最常用：就地预览变更

rebiber -i refs.bib --dry-run
rebiber -i refs.bib --dry-run --report changes.txt     # 同时写报告

写出规范化文件

rebiber -i refs.bib -o refs.official.bib

⚠️ 省略 -o 会覆盖每个输入文件。第一次用务必先 --dry-run。

只改论文里引用的条目

rebiber -i refs.bib --used-in paper.tex appendix.tex

未 \cite{} 引用的条目仍然会被 prettier 格式化，但不会被数据库替换。

接受本地库的"miss"后，回退到 DBLP 实时检索

rebiber -i refs.bib --live-lookup

DBLP 实时搜索受自家 rate limit 约束（每分钟只有少量请求额度），不要在大文件上使用。

批量处理

rebiber -i *.bib -o ./normalized/

只美化、不替换

rebiber -i refs.bib --format-only -o pretty.bib

保护大小写敏感缩写

rebiber -i refs.bib \
  --keep author,title,booktitle,journal,year,volume,number,pages,doi \
  --protect-titles

--protect-titles 会把 BERT、GPT-2 这类缩写用 {} 包起来，避免被 BibTeX 渲染成 "Bert" / "Gpt-2"。

关键参数表

参数	默认	含义
`-i`	必填	一个或多个 `.bib` 文件
`-o`	原位	单文件输出；多 `-i` 时是目录
`--dry-run`	关	只打 changelog，不写文件
`--report PATH`	—	同步写 changelog 到文件
`--used-in TEX …`	全部 key	只改 `\cite{}` 引用到的条目
`--live-lookup`	关	本地 miss 后实时走 DBLP 搜索（最多 5 次）
`--keep FIELDS`	全部	字段白名单（ID / ENTRYTYPE 永远保留）
`--protect-titles`	关	给缩写加 `{}` 保护
`--format-only`	关	只格式化、不查库
`--no-check-authors`	关	跳过 last-name 一致性检查
`-r fields`	—	删掉指定字段，如 `-r url,biburl,timestamp`
`-s`	False	用 `abbr.tsv` 简短化 venue
`-d`	True	保留重复 cite key
`-st`	True	按 cite key 排序
`-l / -a`	内置	自定义 `bib_list.txt` / `abbr.tsv`
`-u`	—	从 GitHub main 刷新本地 dump
`-v`	—	打印版本

例子

输入（examples/input.bib）：

@article{lin2020birds,
  title={Birds have four legs?! NumerSense: Probing Numerical Commonsense Knowledge of Pre-trained Language Models},
  author={Lin, Bill Yuchen and Lee, Seyeon and Khanna, Rahul and Ren, Xiang},
  journal={arXiv preprint arXiv:2005.00683},
  year={2020}
}

输出（examples/output.bib）：

@inproceedings{lin2020birds,
  title={Birds have four legs?! NumerSense: Probing Numerical Commonsense Knowledge of Pre-trained Language Models},
  author={Lin, Bill Yuchen and Lee, Seyeon and Khanna, Rahul and Ren, Xiang},
  booktitle={Proceedings of EMNLP},
  year={2020},
  url={https://aclanthology.org/2020.emnlp-main.515},
  doi={10.18653/v1/2020.emnlp-main.515},
  pages={...},
  publisher={Association for Computational Linguistics}
}

cite key 完全一致，\cite{lin2020birds} 一行不用改。

重建 dump（高级）

下载 DBLP 实时数据：

uv run python -m rebiber.download_dblp --confs iclr --start-year 2026

生成的 JSON 落在 rebiber/data/{conf}{year}.bib.json，会同步追加到 bib_list.txt。

典型适用场景

论文投稿前：把 refs.bib 全部刷成官方版，避免 reviewer 抓到残缺元数据。
arXiv 预印本 → 正式发表：换会议/期刊后只改了一遍 refs.bib，正文不用扫。
构造个人统一文献库：把 BibTeX、Zotero、betterbib 导出混在一起都用 rebiber 规范化。
教学/讲座准备：把学生引用的旧版 bib 快速对齐到 mainstream 引用风格。

坑与注意

作者匹配规则严谨： - 标题匹配时第一作者 last name 必须相同；或至少 2 个 last name 重叠。 - and others / et al. / et.al. 会被剥掉；空作者列表永远不匹配（即使 --no-check-authors 也一样）。
数字保留：标题做匹配时先做"数字保留"key（如 16x16 ≠ 32x32），再做"仅字母"key。
本地 miss 才会 --live-lookup：DBLP 已收录的优先用本地 dump，不会实时查；只有本地确实没有才会去 DBLP 搜。
DBLP 优先非-arXiv 记录：如果同一篇有 arXiv 又有会议版，replace 用会议版；但会把 eprint 字段保留以防万一。
arXiv 形式：未发表预印本会被改写成 @misc { eprint, archivePrefix, primaryClass }；已发表论文即使 abstract 提到 arXiv 也不会被改回。
解析失败的条目不会被丢弃：保留原文，方便后续手工修复。
DBLP rate limit：--live-lookup 每分钟只有少量请求，别对 1000+ 条大文件使用——建议先跑 --dump 模式。
不支持的会议：COLM（DBLP toc 为空）、ICLR/ICML/CVPR 2026、RSS/CoRL 2025、ECCV 2026——尚未进入 DBLP 时序库。
历史冻结库 (~2020)：ALENEX、ASONAM、BigData、CIDR、CIKM、COLT、MM、RecSys、SDM、SIGMOD（至 2022；后续年份在 PACMMOD）、SODA、STOC、WSDM——这些不再更新。

与同类对比

工具	数据源	改 key	风格
rebiber	DBLP + ACL Anthology dump	不改	保持 cite key 只换内容
bibtex-tidy	—	重写	排版整理
orcid-to-bibtex	ORCID	改	拉个人全部论文
doi2bib	Crossref	改	单条
Zotero + Better BibTeX	Zotero DB	保持	图形化

→ 规范化大文件 + 保持 cite key 不变：rebiber 几乎没对手；纯排版:bibtex-tidy；GUI/长期库：Zotero + Better BibTeX。

一句话推荐结论

论文投稿前必跑一次 rebiber -i refs.bib --dry-run——既能看到命中了多少官方版，也能避免 reviewer 抓到 arXiv preprint 残缺引用；近 5 年做 NLP / ML / CV 方向的研究者/学生都该把这套放进工作流。