Skip to content

README.md

Latest commit

 

History

History
175 lines (133 loc) · 4.93 KB

README.md

File metadata and controls

175 lines (133 loc) · 4.93 KB

Academic Paper Section Extractor & Reference Processor

学术论文章节提取与引用处理工具

A tool suite for extracting sections from academic papers and processing citations. 一套用于提取学术论文章节并处理引用的工具套件。

Features / 功能特点

  • Extract abstract, introduction, and conclusions from PDF papers
  • Process citations in Word documents
  • Batch processing support
  • Rename files based on titles
  • 从PDF论文中提取摘要、引言和结论
  • 处理Word文档中的引用
  • 支持批量处理
  • 基于标题重命名文件

File Structure / 文件结构

Main Processing Scripts / 主要处理脚本

  • process_word_citations.py: Process citations in Word documents, converting them to a numbered format 处理Word文档中的引用，将其转换为编号格式
  • extract_references.py: Extract references from PDF papers 从PDF论文中提取参考文献
  • batchGetSection.py: Extract specific sections (abstract, introduction, conclusions) from PDF papers 从PDF论文中提取特定章节（摘要、引言、结论）
  • rename_by_title.py: Rename PDF files based on their titles 根据论文标题重命名PDF文件

Batch Processing / 批处理

  • batch_extract_to_word.py: Batch process multiple PDF files and export to Word 批量处理多个PDF文件并导出为Word格式

Testing / 测试

  • cursortest.py: Test script for cursor operations 光标操作测试脚本

Output Files / 输出文件

  • abstract.txt: Extracted abstracts 提取的摘要
  • introduction.txt: Extracted introductions 提取的引言
  • conclusions.txt: Extracted conclusions 提取的结论

Usage / 使用方法

Citation Processing / 引用处理

python batchGetSection.py

Extract sections from PDF papers: 从 PDF 论文中提取章节：

  1. Select one or multiple PDF files 选择一个或多个 PDF 文件
  2. The script extracts: 脚本将提取：
    • Abstract / 摘要
    • Introduction / 引言
    • Conclusions / 结论
  3. Results are saved to separate .txt files 结果保存到单独的 .txt 文件中

Batch Processing / 批量处理

python batch_extract_to_word.py

Process multiple papers at once: 一次处理多篇论文：

  1. Select a folder containing PDF files 选择包含 PDF 文件的文件夹
  2. The script will: 脚本将会：
    • Extract sections from all papers 从所有论文中提取章节
    • Combine them into a single Word document 将它们合并到一个 Word 文档中
    • Maintain proper formatting 保持适当的格式

File Renaming / 文件重命名

python rename_by_title.py

Rename PDF files based on their titles: 根据论文标题重命名 PDF 文件：

  1. Select PDF files to rename 选择要重命名的 PDF 文件
  2. The script extracts the title and renames the file 脚本提取标题并重命名文件

Requirements / 依赖要求

pip install -r requirements.txt

Required packages / 所需包：

  • python-docx >= 0.8.11
  • PyPDF2 >= 3.0.0
  • tkinter (usually comes with Python)
  • pdfplumber >= 0.7.0
  • python-docx >= 0.8.11

Project Structure / 项目结构

.
├── process_word_citations.py   # Citation processor / 引用处理器
├── batchGetSection.py         # Section extractor / 章节提取器
├── batch_extract_to_word.py   # Batch processor / 批处理器
├── rename_by_title.py         # File renamer / 文件重命名器
├── extract_references.py      # Reference extractor / 参考文献提取器
├── cursortest.py             # Test script / 测试脚本
├── requirements.txt          # Dependencies / 依赖项
└── test/                     # Test files / 测试文件
    ├── test.docx
    └── test.pdf

Common Issues / 常见问题

  1. PDF Not Readable / PDF 不可读

    • Ensure PDFs are searchable text, not scanned images 确保 PDF 是可搜索的文本，而不是扫描图片
    • Convert scanned PDFs using OCR first 先对扫描的 PDF 进行 OCR 转换

  2. Citation Format / 引用格式

    • Citations must be enclosed in 【】 引用必须用【】括起来
    • Ensure proper formatting in Word documents 确保 Word 文档中的格式正确

Contributing / 贡献

  1. Fork the repository 复刻仓库
  2. Create your feature branch 创建特性分支
  3. Commit your changes 提交更改
  4. Push to the branch 推送到分支
  5. Create a Pull Request 创建拉取请求

License / 许可证

This project is licensed under the MIT License - see the LICENSE file for details. 本项目采用 MIT 许可证 - 详见 LICENSE 文件。

Acknowledgments / 致谢

  • Thanks to all contributors 感谢所有贡献者
  • Special thanks to the open source community 特别感谢开源社区

Contact / 联系方式

For any questions or suggestions, please open an issue on GitHub. 如有任何问题或建议，请在 GitHub 上开启一个 issue。