我有用Latex编写的科研论文PDF . 每篇研究论文都有“介绍”,“相关工作”等部分,我想分别提取每个部分下的文字 .
此PDF在第1页上有“摘要”和“简介”部分 . 对于“摘要”部分,我想以斜体检索文本 . 对于“简介”,我希望其章节中的所有段落 .
如果我有Latex源文件,我可以做一些数据挖掘并根据\ section {}关键字提取文本
因此,我在Python3中尝试了几种方法,例如将pdf转换为latex [link],但建议的软件要么与我的系统不兼容(Ubuntu 16.04),要么是付费软件 . 我尝试使用textract,但它没有从PDF中提取部分的选项 .
有谁知道如何从使用Latex制作的PDF中提取部分?
1 回答
我不知道如何使用R执行此操作,但如果您将所有PDF文件放在一个文件夹中,循环遍历它们并将每个文件转换为一堆Word文档,您就可以轻松使用VBA来完成任务 .
或者,为了更精确,试试这个 .