如何在Refextract上同时运行多个文件

Question

我是python的新手，需要从科学文献中提取参考资料。下面是我正在使用的代码

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')

使用此命令一次只能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做到这一点。非常感谢你

Answer 1

docs声明提取的引用作为dict返回

Returns a dictionary with extracted references and stats.

这不太准确,； 返回dict的list， 每个参考文献一本字典

因此，您只需建立一个较长的列表

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'))

现在你有了一个更大的列表，references，你可以把它变成一个更大的df

---

您可能还发现glob很方便：

import glob

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