paper-reader

# Paper Reader Skill 专为学术论文阅读设计的多功能PDF提取工具。 ## 功能特性 - 📄 **文本提取**: 完整提取论文文本，保留章节结构 - 🖼️ **图片提取**: 自动提取论文中的图表、实验结果图 - 📊 **表格提取**: 提取实验数据表格为结构化格式 - 📋 **元数据读取**: 标题、作者、摘要、关键词 - 🔍 **章节识别**: 自动识别Introduction、Methods、Results等章节 - 📑 **批量处理**: 支持整个论文文件夹批量处理 ## 依赖安装 ```bash pip install pdfplumber pymupdf Pillow ``` ## 使用方法 ### 命令行工具 ```bash # 完整提取论文（文本+图片+表格） python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --full # 仅提取文本 python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --text # 提取图片到指定文件夹 python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --images --img-dir ./figures # 提取表格为CSV python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --tables --csv-dir ./tables # 提取前3页（通常包含摘要和引言） python3 ~/.openclaw/skills/paper-reader/read_paper.py paper.pdf --pages 1-3 ``` ### Python API ```python from paper_reader import PaperReader reader = PaperReader("paper.pdf") # 获取元数据 metadata = reader.get_metadata() # 提取全文 text = reader.extract_text() # 提取特定章节 abstract = reader.extract_section("Abstract") methods = reader.extract_section("Methods") # 提取图片 figures = reader.extract_images(output_dir="./figures") # 提取表格 tables = reader.extract_tables() ``` ## 输出结构 ``` paper_output/ ├── paper.txt # 完整文本 ├── metadata.json # 论文元数据 ├── abstract.txt # 摘要 ├── sections/ # 分章节文本 │ ├── 01_Introduction.txt │ ├── 02_Related_Work.txt │ ├── 03_Methods.txt │ ├── 04_Experiments.txt │ └── 05_Conclusion.txt ├── figures/ # 提取的图片 │ ├── fig_1.png │ ├── fig_2_table.png │ └── fig_3_chart.png └── tables/ # 提取的表格 ├── table_1.csv └── table_2.csv ``` ## 学术论文专用功能 ### 1. 实验数据提取 自动识别并提取： - 实验结果表格 - 性能对比图表 - 消融实验数据 ### 2. 方法章节结构化 识别Methods章节中的： - 网络架构描述 - 损失函数公式 - 训练参数设置 ### 3. 参考文献提取 提取参考文献列表，支持BibTeX格式导出。