如何在 LaTeX 文件中获取所有的 `\begin{definition}...\end{definition}` 块？

Question

我刚刚用 Latex 写完了微积分的总结。

现在的主要问题是文件中包含很多我现在并不真正需要的东西。

.tex 文件包含许多我需要用心学习的定义和定理。

这些定义在 tex 文件中有自己的定义，因此文件中的任何定义都将以：

\begin{definition}

并以

结尾

\end{definition}

定理也是如此。

我需要写一些东西来取出 \begin{}...\end{} 里面的东西。

例如在名为 A 的列表中：

\begin{document}

\begin{center}
\begin{definition} Hello WOrld! \end{definition}
\begin{example}A+B \end{example}
\begin{theorem} Tre Capre \end{theorem}
\begin{definition} Hello WOrld2! \end{definition}
\end{center}
\end{document}

应该包含：[[\begin{definition} Hello WOrld! \end{definition}],[\begin{theorem} Tre Capre \end{theorem}],[\begin{definition} Hello WOrld2! \end{definition}]]

在这个网站上我发现我可以使用正则表达式：

for i in range(5):
    x = i+1
    raw = open('tex/chapter' + str(x) + '.tex')
    A = []
    for line in raw:
        A.append(re.match(r'(\begin{definition})://.*\.(\end{definition})$', line))
print(A)

但输出只是 None，我真的不知道为什么。

编辑：

import re


for i in range(5):
    x = i+1
    raw = open('tex/chapter' + str(x) + '.tex')
    A = re.findall(r'\begin{definition}(.*?)\end{definition}', raw.read())
    print(A)

输出如下：

[]
[]
[]
[]
[]

Answer 1

根据我从问题中得到的信息，您只需要 Latex 文件中的定义。您可以使用 findall 直接获取您的定义：

A = re.findall(r'{definition}(.*?)\end{definition}', raw.read())

注意 .*? 的用法，以解决 greedy 正则表达式匹配问题

Answer 2

虽然在这种情况下正则表达式适用于大多数 LaTeX 文件，但对于更复杂的任务，您应该使用 LaTeX 解析器库。

这个问题可以用 pylatexenc 解决：

from pylatexenc import latexwalker
from pylatexenc.latexwalker import LatexWalker, make_json_encoder
data="(LaTeX source code)"
def traverse(node: latexwalker.LatexNode)->None:
    if node.isNodeType(latexwalker.LatexEnvironmentNode):
        if node.environmentname=="definition":
            # Print the raw LaTeX of the whole node including the \begin{definition}
            print(node.latex_verbatim())
            # ... or without
            print("".join(x.latex_verbatim() for child in node.nodelist))
        for child in node.nodelist: traverse(child)
for node in LatexWalker(data).get_latex_nodes()[0]:
    traverse(node)

Answer 3

您可以让 Latex 完成这项工作，不需要使用 python 的外部解决方法。使用 extract 包，您可以指定要提取的环境，它将生成包含所需内容的第二个 .tex 文件。

如何在 LaTeX 文件中获取所有的 `\begin{definition}...\end{definition}` 块？

How can I get all the `\begin{definition}...\end{definition}` blocks in a LaTeX file?

python

regex

parsing

python-3.x

latex