自动解析学术参考文献中的引文

是否有任何软件（或伪代码）可以自动扫描一段文本（粘贴到工具中或从.doc / .pdf中读取）并使用标准格式识别引文数据？然后，数据将被分成其组成字段，并以XML，CSV或其他某种结构化数据格式导出。我看过cb2Bib，但是它只能从哈佛风格的引用中提取年份，这还不够。

看一下可以从输入文本生成XML的引文解析器列表：

http://freecite.library.brown.edu
http://paracite.eprints.org
http://aye.comp.nus.edu.sg/parsCit（从2012年8月1日开始处于维护模式）
http：// opcit.eprints.org
http://search.cpan.org/~mjewell/Biblio-Citation-Parser-1.10

使用freecite，您可以使用以下curl命令提交引用（在PHP中）：

$cmd = "curl -H 'Accept: text/xml' -d \"" . $myinput . "\" http://freecite.library.brown.edu/citations/create";
$xmloutput = exec( $cmd );

目前（2017年），最活跃的实施此项目的开源项目似乎是Anystyle Parser（最新版本07-2016）。可以通过Web界面，API使用它，也可以将其下载为RubyGem。

他们在他们的网站上明确提到实施是受ParsCit（最新版本2013？）和FreeCite（最新提交2009）的启发。

还可以形成他们的网站：

AnyStyle Parser使用基于条件随机字段的强大机器学习启发法，每个人都可以使用我们的内置编辑器对其进行训练。

这是一个非常酷的功能，这使它成为最有趣的实现（imho）。如API文档中所述，培训似乎非常简单。您只需提供一些手动更正的结果，然后运行Anystyle.parser.train命令。我不确定ParsCit和FreeCite是否也支持此功能，但是如果他们不支持，这对我来说似乎是一个巨大的功能差异。

尝试使用Regex Buddy或Expresso之类的工具。

如果您不是程序员，则正则表达式可能有点令人生畏，但它们的确并不难，尤其是对于像上述工具之一这样的工具而言。

这是某人使用正则表达式提取引文的示例：

引文解析正则表达式

门德利应该能够做到这一点。它可以导入PDF，然后将元数据导出到BibTeX，RIS和EndNote XML。它是免费下载的并且是跨平台的。

编辑：我在一些文档上对此进行了测试。PDF导入对于格式正确的参考文件似乎效果很好。对于我使用LaTeX创建的文档，所有与作者的引用形式均为“ Smith，J”。或“ J. Smith”等被罚款。如果作者是一家公司（一个单词），或者参考文献不完整，那么它就无法正常工作。提取的参考可以轻松地编辑并导出到BibTeX等。

我已经见过Westlaw程序这样做是为了合法引用，但这可能不是您想要的。 参考管理器可能会对学术格式进行类似的操作，但我从未使用过。

尝试 http://www.crossref.org/guestquery/#stqsearch

此功能能够自动分析您的参考文本，并提供指向在线文章的链接。

Zotero是firefox的插件，可用于Web内容。不确定是否有用于文档/ pdf的类似工具

这可能更多地是@Abhinav的注释，但是zotero绝对只处理结构化数据，如您在此处所述：

http://www.zotero.org/support/getting_stuff_into_your_library#importing_records_from_other_reference_tools

一个有趣的技巧可能是尝试编写一个程序，在您喜欢的数据库中使用每个引文作为搜索查询，然后使用zotero之类的东西来生成引用信息。您也可以从citeUlike之类的服务中下载结构化信息。让我知道您是否最终会做类似的事情！（如果愿意的话，将其放在github上）。