Extraindo referências de artigos acadêmicos ou científicos de arquivo .pdf para .txt
Dica publicada em Linux / Miscelânea
Extraindo referências de artigos acadêmicos ou científicos de arquivo .pdf para .txt
Pesquisadores e vagabundos do Viva o Linux, aqui começa mais uma Dica do Dino® para ensiná-los um macete, que só o Dino® e seu cachimbo poderiam apresentar a vocês.
Hoje, vamos aprender o método de "vagabundo" para extrair as referências de um artigo que, porventura, você possua em formato .pdf para formato .txt.
Por coincidência, essa referência é usada nesta Dica do Dino® como fonte de pesquisa. Então, lá no final, caso eu escrevesse um subtítulo "Referências", essa informação apareceria lá para quem quisesse consultá-la.
Pesquisadores em trabalho de revisão de literatura, como eu, podem às vezes precisar extrair todas as referências de um artigo. Isso pode parecer bobeira, mas existem artigos com mais de cem referências em colunas, e quem lida com .pdf com frequência, sabe que esse formato de arquivo e colunas são repetitivos: Ctrl+v, Ctrl+c.
Graças a esse artigo de Bergmark e um pouco do meu tempo livre, hoje vocês disporão das informações mais ou menos prontas para vocês!
Uma vez instalado, rode o comando:
pstotext -output arquivo.txt arquivo.pdf
O pstotext irá realizar a conversão quase que 100% confiável do arquivo .pdf para .txt, supondo que o .pdf não tenha sido gerado como imagem.
Abra o arquivo .txt resultante e divirta-se com as referências em formato .txt diretamente copiáveis para seu artigo!
Hoje, vamos aprender o método de "vagabundo" para extrair as referências de um artigo que, porventura, você possua em formato .pdf para formato .txt.
Cenário
Referências em um artigo são aquelas notas que indicam em que obras o autor pesquisou ou embasou seu trabalho. Normalmente, as diferentes revistas possuem seus diferentes padrões. Por exemplo, uma referência seguindo os padrões do "Journal of the American College of Cardiology" teria a seguinte aparência:1. Bergmark D. Automatic Extraction of Reference Linking Information from OnlineDocuments. Cornell Digit. 2000:1-20. Available at: https://dspace.library.cornell.edu/handle/1813/5809. Acessado setembro 19, 2014.
Por coincidência, essa referência é usada nesta Dica do Dino® como fonte de pesquisa. Então, lá no final, caso eu escrevesse um subtítulo "Referências", essa informação apareceria lá para quem quisesse consultá-la.
Pesquisadores em trabalho de revisão de literatura, como eu, podem às vezes precisar extrair todas as referências de um artigo. Isso pode parecer bobeira, mas existem artigos com mais de cem referências em colunas, e quem lida com .pdf com frequência, sabe que esse formato de arquivo e colunas são repetitivos: Ctrl+v, Ctrl+c.
Graças a esse artigo de Bergmark e um pouco do meu tempo livre, hoje vocês disporão das informações mais ou menos prontas para vocês!
Como fazer
Instale o pacote pstotext. No Slackware está disponível para compilação, em:Uma vez instalado, rode o comando:
pstotext -output arquivo.txt arquivo.pdf
O pstotext irá realizar a conversão quase que 100% confiável do arquivo .pdf para .txt, supondo que o .pdf não tenha sido gerado como imagem.
Abra o arquivo .txt resultante e divirta-se com as referências em formato .txt diretamente copiáveis para seu artigo!
Vc sempre cita o cachimbo, é Cachimbeiro, como eu?