#每日快讯#
007的忧思：人类永远恐惧科技之恶
文 | 脑极体
提到007我们会想到什么？特工、美女、炫酷的装备、激烈的战斗、要摇匀不要搅匀的马提尼。我是007全系列的忠实观众，但确实看到的也大体就是这些。
直到最近玩了最新的007游戏《007：初露锋芒》。反派揭晓的时候我发现吃瓜吃到了自己行业。剧透警告啊各位，这部游戏的反派赫然是一家AI大模型公司。…
最近在研究批量处理本地文本型PDF论文（扫描版PDF暂不考虑），想做一个本地运行的Python脚本，需求如下：
1. 遍历指定文件夹内所有PDF，自定义提取标题、摘要、结论、试验方法，兼容中英文论文；
2. 提取结果导出Excel；遇到解析失败的文件自动记录日志，程序不会直接中断；
3. 支持配置文件，可以自行修改定位提取的关键词；命令行运行即可，不需要GUI图形界面。
仅读取本地文件，没有网络爬虫，不会联网抓取网页文献。
我尝试用大模型直接生成了基础代码骨架，但发现AI写出来的demo只能在1-2篇测试论文上正常跑。一旦换不同期刊、排版不一样的论文，就会出现段落错位、漏提取的问题。
想请教社区大佬：
pdfplumber 和 PyMuPDF 哪个更适合期刊论文这类非规整排版的PDF？AI生成的基础代码，一般重点要调整哪些地方，才能提升通用性？
如果有现成demo，欢迎一起交流学习。
1. 遍历指定文件夹内所有PDF，自定义提取标题、摘要、结论、试验方法，兼容中英文论文；
2. 提取结果导出Excel；遇到解析失败的文件自动记录日志，程序不会直接中断；
3. 支持配置文件，可以自行修改定位提取的关键词；命令行运行即可，不需要GUI图形界面。
仅读取本地文件，没有网络爬虫，不会联网抓取网页文献。
我尝试用大模型直接生成了基础代码骨架，但发现AI写出来的demo只能在1-2篇测试论文上正常跑。一旦换不同期刊、排版不一样的论文，就会出现段落错位、漏提取的问题。
想请教社区大佬：
pdfplumber 和 PyMuPDF 哪个更适合期刊论文这类非规整排版的PDF？AI生成的基础代码，一般重点要调整哪些地方，才能提升通用性？
如果有现成demo，欢迎一起交流学习。
展开
评论
5