如何 运行 在 Refextract 上将多个文件放在一起

Question

我是python的新手，我需要从科学文献中提取参考资料。以下是我使用的代码

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')

我只能使用此命令一次从单个文件中提取引用，但我需要同时从多个文件中提取引用。所以，请指导我是否可能以及如何去做。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； 返回 list of dicts， 每个参考文献一本字典。

所以您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，你可以变成一个更大的 df。

---

您可能还会发现 glob 方便：

import glob

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