Texpap 论文解读工具

这是一个自动化的学术论文解读工具，可以将PDF格式的学术论文转换为易于理解的中文解读版本。对论文内容进行AI解读，并附带LaTeX源码。

当前支持

• PDF文本提取和预处理
• 智能分节和章节处理
• 公式和数学符号的AI解读
• 输出包含PDF、Latex、Markdown格式解读

项目结构

texpap_paperreading/
├── Papers/                    # 存放PDF论文
├── output/                    # 输出文件夹
├── logs/                      # 日志文件夹
├── src/                       # 源代码目录
│   ├── config/               # 配置模块
│   ├── core/                 # 核心功能模块
│   ├── extractors/           # 提取器模块
│   ├── handlers/             # 处理器模块
│   └── utils/                # 工具模块
├── main.py                   # 主程序入口
├── requirements.txt          # 依赖文件
└── README.md                # 项目说明文档

环境要求

• Python 3.9+
• XeLaTeX（用于PDF生成）
• 中文字体支持（SimSun、SimHei、SimFang）

安装步骤

1. 克隆仓库：

git clone https://github.com/SheldonLiu0412/texpap_paperreading.git
cd texpap_paperreading

2. 安装依赖：

pip install -r requirements.txt

3. 配置环境变量： 创建 .env 文件并设置以下变量：

OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=your_api_base_url

使用方法

1. 将要解读的PDF论文放入 Papers 目录，并在main函数中修改对应名称

2. 运行程序：

python main.py

3. 查看结果：

• 解读结果将保存在 output 目录下
• 处理日志将保存在 logs 目录下

示例展示

下图展示了一个论文解读的示例结果：

输出文件

• {论文名称}_解析结果.tex：LaTeX源文件
• {论文名称}_解析结果.pdf：最终的PDF文档
• {论文名称}_{时间戳}_process.log：处理过程日志
• {论文名称}_{时间戳}_compile.txt：编译日志

日志系统

系统提供两种类型的日志：

1. 处理日志：记录整个解析过程的详细信息
2. 编译日志：记录LaTeX编译过程的信息

注意事项

• 确保系统已安装XeLaTeX
• 确保系统安装了所需的中文字体
• PDF文件不要超过25个文本块（约60页）
• 确保网络连接稳定（需要访问AI服务）

错误处理

常见错误及解决方案：

1. "无法提取PDF文本"

   • 检查PDF文件是否损坏
   • 确认PDF文件是文本格式而非扫描版

2. "文档过长，超出处理限制"

   • 尝试处理论文的部分章节
   • 调整配置文件中的 MAX_CHUNKS 参数

3. LaTeX编译错误

   • 检查日志文件中的具体错误信息
   • 确保所需的LaTeX包都已安装

贡献指南

欢迎提交Pull Request来改进项目。在提交之前，请确保：

1. 代码符合项目的编码规范
2. 更新了相关文档

许可证

MIT License