PDF 中提取数学公式

✅ 方法一:使用 doc2x extract_formula_imgs + Pix2Text 一键运行脚本(自动提取+识别)

👉 适合你如果用 Python 的话,只需要运行一段脚本即可:

✅ 🔁 一步搞定脚本(仅需安装一次)

复制代码
pip install doc2x[pix2text] -i https://pypi.tuna.tsinghua.edu.cn/simple 

🧠 然后运行这段代码即可完成整个流程:

复制代码
from doc2x.extract_formula import extract_formula_imgs
from pix2text import Pix2Text
from PIL import Image
import os

pdf_path = "你的论文.pdf"
output_dir = "formulas"
extract_formula_imgs(pdf_path, output_dir, dpi=300)  # 步骤1:提取公式图像

p2t = Pix2Text()  # 步骤2:初始化模型

for fname in sorted(os.listdir(output_dir)):  # 步骤3:公式识别
    if fname.endswith(".png"):
        img_path = os.path.join(output_dir, fname)
        latex = p2t(Image.open(img_path))
        print(f"{fname} → {latex}")

✅ 方法二:纯命令行简化(适合写在 Shell 脚本里)

如果你不想写 Python 脚本,也可以直接用命令行运行:

doc2x extract-formula-imgs 你的论文.pdf --out-dir formula_imgs pix2text formula_imgs/*.png --out output.txt

这样你能直接把所有 LaTeX 结果写入 output.txt


✅ 方法三:在线平台(无需安装,但受限)

若你不想安装环境,可以试试:


✅ 推荐组合方式(最快速+省心)

方式 特点 推荐人群
方法一(Python) 全自动、最灵活、可批量识别 研究人员,熟悉代码
方法二(命令行) 零代码配置,更直观 教师、工程师、懒得写脚本
方法三(在线) 零配置,适合小量公式 仅偶尔处理,数量少的人
相关推荐
云泽野2 小时前
【Java|集合类】list遍历的6种方式
java·python·list
IMPYLH3 小时前
Python 的内置函数 reversed
笔记·python
小赖同学啊5 小时前
物联网数据安全区块链服务
开发语言·python·区块链
码荼6 小时前
学习开发之hashmap
java·python·学习·哈希算法·个人开发·小白学开发·不花钱不花时间crud
小陈phd7 小时前
李宏毅机器学习笔记——梯度下降法
人工智能·python·机器学习
kk爱闹7 小时前
【挑战14天学完python和pytorch】- day01
android·pytorch·python
Blossom.1187 小时前
机器学习在智能建筑中的应用:能源管理与环境优化
人工智能·python·深度学习·神经网络·机器学习·机器人·sklearn
亚力山大抵7 小时前
实验六-使用PyMySQL数据存储的Flask登录系统-实验七-集成Flask-SocketIO的实时通信系统
后端·python·flask
showyoui7 小时前
Python 闭包(Closure)实战总结
开发语言·python
amazinging8 小时前
北京-4年功能测试2年空窗-报培训班学测开-第四十一天
python·学习·appium