开发文档

1. 后端架构

DblpService 是一个 FastAPI 后端，统一承载“建库控制 + 查询 API”。

核心分层：

1. API 层（app.py）
2. 提供 Bootstrap 页面和 REST 接口。
3. 对 CoAuthors 暴露共作查询能力。
4. 流水线调度层（app.py 内 PipelineManager）
5. 维护 start/stop/reset 状态机。
6. 通过后台线程执行任务并暴露快照。
7. 建库执行层（dblp_builder/pipeline.py）
8. 下载 DTD/XML.GZ。
9. 解压 XML。
10. 解析 XML 并重建 SQLite + FTS 索引。

2. API 职责划分

查询接口

• GET /api/health：数据库与 schema 可用性检查。
• GET /api/stats：论文/作者规模与数据日期。
• GET /api/pc-members：可选 PC 成员列表。
• POST /api/coauthors/pairs：共作矩阵与配对论文明细。

建库控制接口

• GET /api/config：默认建库参数。
• GET /api/state：任务运行状态快照。
• GET /api/files：数据文件存在性与大小。
• POST /api/start、/api/stop、/api/reset：任务生命周期控制。

3. 共作查询实现（/api/coauthors/pairs）

主流程：

1. 规范化并去重左右作者输入。
2. 作者 ID 解析：精确匹配 -> FTS -> LIKE 回退。
3. 通过 pub_authors 双重连接计算交集。
4. 从 publications 读取标题/年份/venue/type。
5. 输出矩阵与 pair 级论文列表。

约束控制：

• 每侧作者上限 MAX_ENTRIES_PER_SIDE。
• 作者解析上限 MAX_AUTHOR_RESOLVE。
• 支持按年份过滤和每对结果条数限制。

4. 建库流水线实现（dblp_builder/pipeline.py）

阶段顺序：

1. URL 校验与可信主机下载。
2. XML.GZ 解压。
3. 可选重建（清理 sqlite/wal/shm）。
4. 安全 DTD 解析并 iterparse 处理。
5. 批量写入：
6. publications
7. authors
8. pub_authors
9. title_fts
10. author_fts

PipelineManager 持续维护 status/step/progress/logs，前端轮询展示。

5. 数据模型

核心表：

• publications(id, title, year, venue, pub_type, raw_xml)
• authors(id, name)
• pub_authors(pub_id, author_id)
• title_fts、author_fts（FTS5）

SQLite 使用 WAL、busy_timeout 和内存临时存储优化并发与性能。

6. 扩展建议

• 建库重逻辑尽量集中在 dblp_builder/pipeline.py，路由层保持轻量。
• 新增流水线阶段时，务必通过 progress 回调暴露给 UI。
• 调整 schema 时同步更新 _ensure_fullmeta_schema() 与初始化建表逻辑。
• 新参数优先进入 /api/config，再由前端绑定控件，避免前后端漂移。