我需要提取纯文本内容来自我在LaTeX中撰写的论文文档中的自动反抄袭检查。我只知道“草稿”选项,这是不够的。如何从LaTeX文档中提取重要的文本内容
我应该忽略:
- 图像,
- 表和其他数据,
- 方程,
- 说明和注解。
它也很高兴删除所有的参考。输出应该是一个普通的(UTF-8编码)文本文件。
有没有简单的方法来做到这一点? 我真的不喜欢手动逐页复制它。
我需要提取纯文本内容来自我在LaTeX中撰写的论文文档中的自动反抄袭检查。我只知道“草稿”选项,这是不够的。如何从LaTeX文档中提取重要的文本内容
我应该忽略:
它也很高兴删除所有的参考。输出应该是一个普通的(UTF-8编码)文本文件。
有没有简单的方法来做到这一点? 我真的不喜欢手动逐页复制它。
您可以尝试使用评论软件包(或十几种选择之一)将等式,图形,表格等转换为评论环境和\ renewcommand \ footnote [1] {}以删除脚注。 \ pagestyle {空}应该删除页面标题等,所以对结果运行pdftotext应该接近你想要的。
通常你需要对文本做了一些乳胶加工,说你有
\ newcommand * {\ SO} {StackOverflow的\ {指数StackOverflow上} \ xspace}
...
我花了很多时间在\ SO,等等等等 ....
这里只是过滤掉文本段落不会给一个信息L当它包含任何宏时,它会收到预期的结果。
因此试图直接从* .tex文件中提取东西通常会留下很多结果。因此,对胶乳加工的产量进行处理通常会更好。我会建议将胶乳转换为HTML,然后从HTML转换为文本。您可能需要一些手动清理,但我认为它应该相对接近。
尽管已经提到了克雷克斯,但还有另一个项目旨在改进它。它被称为opendetex,给它一看!
让我猜测 - 您所在机构的反剽窃软件仅适用于MSWord文档和纯文本文件? – Spacedman 2011-01-29 14:30:44
好猜Spacedman,但只有纯文本。我想这是合理的,因为自动化不是那么容易。 – odiroot 2011-01-29 15:54:44
您可能会在[TeX SE站点](http://tex.stackexchange.com)上获得更多答案。 – frabjous 2011-02-01 20:40:48