工具目录 / GROBID

GROBID

从学术 PDF 抽出标题、引文和参考文献

打开关联站内模块

为何收录

将论文版面转换成结构化学术信息，适合文献数据整理。

输入材料

学术 PDF

输出结果

TEI XML 与参考文献数据

适用范围与限制

需部署；扫描件和特殊版式准确度需检验。

站内基础能力

这些能力覆盖部分基础任务，不表示完整重制原软件。

• PDF 文字层提取

  从本地 PDF 提取逐页文字，送入检索、校勘与标注。 1 MB、50 页以内；只读已有文字层，不给扫描 PDF 写入 OCR 文字层，不还原复杂排版。

• RIS / BibTeX 书目整理

  从书目记录提取作者、题名、年份和来源。 支持常用 RIS 和 BibTeX 字段；不解析 PDF，不联网核验引文。

• 资料表字段检查

  逐列查看空值、唯一值和样例，定位数据整理问题。 检查当前 CSV 的结构与值，不判断史料真伪。

配合这些知识点学习

• 书目元数据
• 数据缺失
• 抽样与总体
• 引用与改写

继续探索

• 字词频与词云
• 两组材料用词比较
• 词语共现网络
• 人物关系画板
• 表格清洗与转换
• 连续词组发现

检索典籍材料 · 关联知识与练习