如何從乳膠文檔中提取數學

Question

我希望能夠獲取（可能是複雜的）LaTeX文檔並提取將在mathmode中呈現的LaTeX源文件。選擇我能想到的是，

• grep命令equation，$$等
• 使用extract包乳膠
• 使用像pandoc一個轉換器，並從一個簡單的格式
• 使用提取表達式來自渲染器的中間DOM（plasTeX似乎適合於此）

不幸的是grep ing是hacky，不能和宏一起工作; extract似乎工作，但使用尷尬; pandoc和plasTeX都會遇到複雜的「真實世界」文檔。

我可以忽略任何更簡單/更強大的方法嗎？

Answer 1

雖然pandoc無法代表更復雜的佈局，但它支持數學運算，而且pandoc LaTeX閱讀器可以非常可靠地檢測數學環境。所以我建議你寫一個pandoc filter，除了Math elements之外的所有東西都會丟掉。你也可以用Python語言編寫的過濾器，但是在Haskell的東西沿着線：

pandoc --filter dropNonMath.hs -f latex -t latex input.tex 

：

#!/usr/bin/env runhaskell 
-- dropNonMath.hs 
import Text.Pandoc.JSON 

main = toJSONFilter dropNonMath 
    where dropNonMath (Math x y) = Math x y 
     dropNonMath _ = [] 

然後運行它