- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
有很多工具可以从PDF文件中提取文本[1-4]。但是,大多数科学论文的问题在于,主要由于需要付费才能直接获取PDF。除了bibtex信息之外,还有一些工具可以轻松访问论文的信息,例如元数据或bibtex [5-6]。我想要的就像向前迈出了一步,而不仅仅是bibtex /元数据:
假设无法直接访问出版物的PDF文件,那么根据论文的DOI或标题,是否有任何方法至少可以获取科学论文的摘要?通过搜索,我发现出于类似目的已经进行了一些尝试[7]。有谁知道一个网站/工具可以帮助我获取/提取科学论文的摘要或全文?如果没有这样的工具,您能给我一些解决该问题后的建议吗?
谢谢
[1] http://stackoverflow.com/questions/1813427/extracting-information-from-pdfs-of-research-papers
[2] https://stackoverflow.com/questions/6731735/extracting-the-actual-in-text-title-from-a-pdf
[3] http://stackoverflow.com/questions/6731735/extracting-the-actual-in-text-title-from-a-pdf?lq=1
[4] http://stackoverflow.com/questions/14291856/extracting-article-contents-from-pdf-magazines?rq=1
[5] https://stackoverflow.com/questions/10507049/get-metadata-from-doi
[6] https://github.com/venthur/gscholar
[7] https://stackoverflow.com/questions/15768499/extract-text-from-google-scholar
最佳答案
您可以查看交叉引用文本和数据挖掘(tdm)服务(http://tdmsupport.crossref.org/)。该组织免费提供RESTful API。有超过4000家发布商为该tdm服务做出了贡献。
您可以从下面的链接中找到一些示例:
https://github.com/CrossRef/rest-api-doc/blob/master/rest_api_tour.md
但是举一个非常简单的例子:
如果您转到链接
http://api.crossref.org/works/10.1080/10260220290013453
您会看到,除了一些基本的元数据外,还有另外两个元数据,即许可证和链接,其中前一个给出了提供本出版物的许可类型,而后一个给出了全文的URL。对于我们的示例,您将在许可证元数据上看到该许可证是creativecommons(CC),这意味着可以将其免费用于tdm。通过在crossref中搜索具有CC许可证的出版物,您可以访问数十万份带有全文的出版物。从我的最新研究中,我可以说印度教出版是最友好的出版商。甚至他们提供了超过10万份带有wit CC许可的出版物。最后一件事是,全文可能以xml或pdf格式提供。对于那些xml格式来说,它具有高度结构化,因此易于提取数据。
总结起来,您可以通过使用crossref tdm服务的API并简单地编写GET请求来自动访问许多全文。如果您还有其他问题,请随时提出。
干杯。
关于full-text-search - 给定DOI或标题,从科学文献中提取摘要/全文,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30904755/
我正在做一个业余爱好项目,使用 Ruby、PHP 或 Java 来抓取 ASP.net 网站的内容。例如,如果网站 url“www.myaspnet.com/home.aspx”。我想从 home.a
如果我有这些字符串: mystrings <- c("X2/D2/F4", "X10/D9/F4", "X3/D22/F4",
我有以下数据集 > head(names$SAMPLE_ID) [1] "Bacteria|Proteobacteria|Gammaproteobacteria|Pseudomonadales|Mor
设置: 3个域类A,B和C。A和B在插件中。 C在依赖于此插件的应用程序中。 class A{ B b static mapping = { b fetch: 'joi
我不知道如何提取 XML 文件中的开始标记元素名称。我很接近〜意味着没有错误,我正在获取标签名称,但我正在获取标签名称加上信息。我得到的是: {http://www.publishing.org}au
我有一个字符串 x <- "Name of the Student? Michael Sneider" 我想从中提取“Michael Sneider”。 我用过: str_extract_all(x,
我有一个如下所示的文本文件: [* content I want *] [ more content ] 我想读取该文件并能够提取我想要的内容。我能做的最好的事情如下,但它会返回 [更多内容] 请注意
假设我有一个项目集合 $collection = array( 'item1' => array( 'post' => $post, 'ca
我正在寻找一种过滤文本文件的方法。我有许多文件夹名称,其中包含许多文本文件,文本文件有几个没有人员,每个人员有 10 个群集/组(我在这里只显示了 3 个)。但是每个组/簇可能包含几个原语(我在这里展
我已经编写了一个从某个网页中提取网址的代码,我面临的问题是它不会以网页上相同的方式提取网址,我的意思是如果该网址位于某些网页中法语,它不会按原样提取它。我该如何解决这个问题? import reque
如何在 C# 中提取 ZipFile?(ZipFile 是包含文件和目录) 最佳答案 为此使用工具。类似于 SharpZip .据我所知 - .NET 不支持开箱即用的 ZIP 文件。 来自 here
我有一个表达: [training_width]:lofmimics 我要提取[]之间的内容,在上面的例子中我要 training_width 我试过以下方法: QRegularExpression
我正在尝试创建一个 Bash 脚本,该脚本将从命令行给出的最后一个参数提取到一个变量中以供其他地方使用。这是我正在处理的脚本: #!/bin/bash # compact - archive and
我正在寻找一个 JavaScript 函数/正则表达式来从 URI 中提取 *.com...(在客户端完成) 它应该适用于以下情况: siphone.com = siphone.com qwr.sip
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 8 年前。 Improve this qu
编辑:添加了实际的 JSON 对象和代码以供审查 我有这种格式的 JSON(只是这种层次结构,假设 JSON 正常工作) {u'kind': u'calendar#events', u'default
我已经编写了代码来使用 BeautifulSoup 提取一本书的 url 和标题来自页面。 但它并没有在 > 之间提取惊人的 super 科学故事 1930 年 4 月这本书的名字。和 标签。 如何提
使用 Java,我想提取美元符号 $ 之间的单词。 例如: String = " this is first attribute $color$. this is the second attribu
您好,我正在尝试找到一种方法来确定字符串中的常量,然后提取该常量左侧的一定数量的字符。 例如-我有一个 .txt 文件,在那个文件的某处有数字 00nnn 数字的例子是 00234 00765 ...
php读取zip文件(删除文件,提取文件,增加文件)实例 从zip压缩文件中提取文件 复制代码 代码如下: <?php /* php 从zip压缩文件
我是一名优秀的程序员,十分优秀!