Projet_Python

Arborescence

Projet_Python/
├── data/
├── output/
├── grobid/
└── scripts/
    └── grobid_extraction.py

Extraction Reference et Citation à l'aide de GROBID

[Projet_Python]$ python3 scripts/grobid_extraction.py

Va télécharger le zip de GROBID, puis l'unzipper pour utiliser processFullText, afin d'obtenir les fichier XML des PDFs, avec les annotations suivantes :

Les balises XML générées incluent :

• ref : Pour les marqueurs de référence bibliographique, de figure, de tableau et de formule
  Exemple : (Toto et al. 1999), voir Fig. 1, comme montré par la formule (245), etc.

• biblStruct : Pour une référence bibliographique

• persName : Pour un nom d'auteur complet

• figure : Pour les figures ET les tableaux

• formula : Pour les équations mathématiques

• head : Pour les titres de section

• s : Pour la structure optionnelle des phrases
  Note : le service GROBID fulltext doit être appelé avec le paramètre segmentSentences pour fournir les éléments optionnels au niveau des phrases

• p : Pour la structure des paragraphes

• note : Pour les éléments de notes de bas de page

• title : Pour les éléments de titre
  Inclut le titre principal de l'article et titres des références citées

• affiliation : Pour la partie affiliation et adresse