近年来，我国科技期刊纷纷进行数字化转型，以期利用数字技术的传播优势扩大刊物的影响力，这其中涉及各种期刊数据的提取。人工提取数据劳动量大，耗费时间，且准确度不高，故势必被计算机提取所取代^{[1, 2]}。

针对方正fbd文件用excel宏程序提取数据的文章较少且论述较为简单。笔者用“excel”和“fbd”，或“excel”和“方正”作为关键词在中国知网只搜到2篇相近文献[3, 4]。文献[3]使用word宏制作目次文件，然后手工复制fbd文件到excel，并录制大量的宏进行数据的采集和处理，总体上不够简练；文献[4]通过VB提取方正排版文件的元数据，但所提方案较为复杂。

本文以能自动提取《河北科技大学学报》、《河北工业科技》(以下简称《学报》、《科技》)数据的宏程序编写为例，介绍用excel宏程序从fbd文件中提取数据的编程方法。《学报》、《科技》分别为单栏和双栏排版，doi位置不同，一些定位项目不同。本文可为多刊数据的提取提供参考。

本文介绍的数据提取思路是：定位数据；采集数据；处理数据。编程思路是，由简到繁，由易到难。例如，开始编写程序时可只循环提取一项数据，同时对数据进行一定的“去杂”处理，数据的后处理与采集部分分开，一般是在循环提取结束后，这样针对不同的要求，可编写不同的后处理程序。用excel打开fbd后，所有内容都处于单元格内，且基本上是每段内容一个单元格，故对数据的处理就转换为对单元格的处理。

定位数据用的是Ctrl Find宏语句(可由宏录制获得)。例如采集摘要时，定位语句如下：

对于多刊定位项目不同的情况，将“摘〓要”换成变量，如search_title，并在程序开始处用if语句进行选择设定(略)。

提取单元格数据主要用到赋值语句mystr = ActiveCell.Value和循环语句do…loop while或for…next。循环语句是为了考虑数据可能存在于多个单元格的情况——此时需通过循环语句将单元格内容累加。以采集“摘要”为例，程序框图如图1所示。

图 1

图 1 “摘要”采集程序框图

所采集的数据有不少方正字符需要删除，也有如半字线、上下标等无法显示出来的方正符号，需要替换为正确的字符，还有将多作者、多单位分成每个作者及其对应的单位，等等。例如内容：

“[WT][ST]〖HT2SS〗〖JZ(〗〖HJ*2〗无侧隙端面啮合蜗杆传动研究综述”，

其处理程序如下(为简便只给出“〖 〗”部分的“去杂”程序，其他类同)：

因各数据的处理具有许多共性部分，故可将这些共性部分的处理编写成一个或多个通用调用程序。本文中提到的revise_str()即是此种调用程序。

限于篇幅，如何定义变量以及其他编程技术未再进行详细介绍，读者可查阅相关参考书、网页示例或关注知名博客^{[5, 6, 7]}。

本文介绍的excel宏程序在运行时只需输入“刊物代号”、“年份”和“刊期”3个参数，随后程序自动完成剩余工作。按本文方法编写两个宏程序，分别针对勤云系统所需的excel目次文件及COAJ要求的数据文件(两个文件要求输出的数据格式不同)，均能很好的实现和完成，且数据提取部分是通用的，只需修改后处理部分即可。本文介绍了几个主要流程程序的编写，并指出其他部分的编写与之相似。

程序运行时先将fbd文件打开为excel文件。为实现自动化，使用InputBox语句，其使用示例如下：

Year = InputBox(Chr(13) & "请输入本期刊物的 年份 (默认为2014)"，"确定年份"，"2014")

通过此语句可得到“年”变量。类似的，可得到刊物代号和期。获得年份和刊期的输入框如图2所示。

图 2

图 2 利用InputBox输入年和期

如此，打开fbd为excel文件的程序语句如下：

其中file_name是通过合并上述输入框输入的刊物代号、年和期得到的，例如输入分别为“b”、“2014”、“6”，可得file_name=Journal_code & Year & “0” & Issue=b201406.fbd。需要注意的是，在“d:＼FBD＼”目录下需存在以“b201406.fbd”命名的文件。

程序后面部分是将数据整体拷贝到宏程序所在excel的“abc”工作表。通常所有数据在第1列，但也有个别数据在第2列的情况。因此，需将第2列预处理，即判断第2列各单元格是否有数据，有则合并至同行第1列。语句如下：

利用定位语句定位“期刊基本参数”，然后可利用宏程序从中解析出期刊的基本数据。由于本文只用到论文篇数，故以解析论文篇数为例。

《学报》的“期刊基本参数”样例如下：

“[期刊基本参数]CN 13-1225/TS*1980*b*A4*100*zh*P*￥20.00*1 000*15*2014-12”

定位后的具体处理语句如下：

通过上述提取和转换，程序自动获取本期所载的文章篇数“15”。

通常，正文数据出现的顺序是固定的，故在编程时只需按顺序进行各数据的定位、提取。对于多刊数据位置不同的情况，则在相应位置编写的是加入判断后的提取语句。以《学报》、《科技》为例，按照其内容出现的先后顺序，可依次提取论文起止页码、doi(《学报》)、论文题目、中文作者名、中文单位、中文摘要、中文关键词、doi(《科技》)、英文题目、英文作者名、英文单位、英文摘要、英文关键词、参考文献。其中doi位置顺序不同，故在两个位置均有加入判断语句的doi提取程序，以根据刊物代号判定是否需要提取doi。其他诸如收稿日期、修回日期、作者简介、e-mail等数据信息，其位置固定在文章首页页脚。考虑到较长的中英文摘要可能出现在第2页，即这些数据与摘要的位置顺序并不固定，故必须采用新的循环，从第1行开始提取数据。

鉴于提取原理相似且篇幅所限，本文仅对论文起止页码、doi和参考文献的提取进行介绍。

首先需定位“ 文章编号”。例如对于方正数据：

“〖HT5”H〗[STHZ] 文章编号：1008-1542(2015)01-0001-08 JY，2 ”

提取论文起始页及论文篇幅的程序流程如下：

程序可提取得到start_page(i)=1，end_page(i)=8。

doi的提取较为简单，在相应位置顺序处使用判断语句。处理语句如下：

《学报》、《科技》的参考文献是以“参考文献/References:”开始的，故定位“参考文献/References:”。需全面考虑3种情况：1)参考文献没有转页；2)部分参考文献转页；3)全部参考文献转页。

参考文献提取程序框图见图3。需要注意的是，当前参考文献提取程序未考虑文末有补白的情况，补白尚需人工删除。

图 3

图 3 提取参考文献的流程图

详细介绍了用excel宏程序提取两个刊物fbd数据的编程思路和编程方法，运行时只需输入刊物代号、年和期即可。其编程难度不高，容易实现。经笔者1年多的使用，效果良好。

其缺点是只适合于定版后的fbd数据的提取，因为未定版fbd中定位所需的项目可能缺失、错误，这会导致定位的错乱乃至所提取数据错误。即便是定版后的数据，也可能存在错误，导致提取结果出错。故程序运行完毕后对数据检查是必不可少的步骤，相应地完善程序也是不可或缺的。好的一面是，可以将此程序当作定版文件的检验程序，以查验人工校对可能出现的失误。