python - 如何在Refextract上同时运行多个文件

Question

我是 Python 新手，我需要从科学文献中提取引用资料。以下是我正在使用的代码

from refextract import extract_references_from_file

import pandas as pd

references = extract_references_from_file('1503.07589.pdf')

dfref = pd.DataFrame(references)

dfref.to_excel('./refs.xlsx')

我一次只能使用此命令从单个文件中提取引用，但我需要从多个文件中提取引用。所以，请指导我是否有可能以及如何去做。非常感谢!

Answer 1

docs声称提取的引用作为 dict 返回.

Returns a dictionary with extracted references and stats.

这不太准确。 list的 dict s 返回，
每个引用资料一本字典。
所以你只需要建立一个更长的列表。

from refextract import extract_references_from_file

higgs_papers = ['1503.07589', '2008.05492']
references = []
for paper in higgs_papers:
    references.extend(extract_references_from_file(f'/tmp/{paper}.pdf'))

现在你有一个更大的列表， references ，你可以变成更大的 df .

您可能还会找到 glob方便的:

import glob

files = glob.glob('/tmp/*.pdf')