当前位置：首页 > news >正文

自动提取pdf公式 ➕ 输出 LaTeX

news 来源：原创 2025/5/20 21:58:34

# 创建打包脚本的主内容
script_content = """
from doc2x.extract_formula import extract_formula_imgs
from pix2text import Pix2Text
from PIL import Image
import os

def main():
    pdf_path = "your_file.pdf"  # 将你的PDF命名为 your_file.pdf 并放在同目录下
    output_dir = "formulas"
    os.makedirs(output_dir, exist_ok=True)

    print("👉 正在提取公式图像...")
    extract_formula_imgs(pdf_path, output_dir, dpi=300)

    print("✅ 公式图像提取完成，开始识别 LaTeX 公式...")
    p2t = Pix2Text()

    with open("extracted_formulas.txt", "w", encoding="utf-8") as f_out:
        for fname in sorted(os.listdir(output_dir)):
            if fname.endswith(".png"):
                img_path = os.path.join(output_dir, fname)
                latex = p2t(Image.open(img_path))
                print(f"{fname} → {latex}")
                f_out.write(f"{fname}: {latex}\\n")

    print("\\n🎉 所有公式识别完成，结果已保存至 extracted_formulas.txt")

if __name__ == "__main__":
    main()
"""

requirements_content = """
doc2x[pix2text]
"""

# 写入打包文件
script_path = "/mnt/data/extract_formulas.py"
requirements_path = "/mnt/data/requirements.txt"

with open(script_path, "w", encoding="utf-8") as f:
    f.write(script_content.strip())

with open(requirements_path, "w", encoding="utf-8") as f:
    f.write(requirements_content.strip())

script_path, requirements_path

# 创建打包脚本的主内容 extract_formulas.py

依赖环境文件：requirements.txt

doc2x[pix2text]

用方法（只需3步）：

将你的 PDF 重命名为：your_file.pdf，放在脚本同一目录下
安装环境：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
运行脚本：

python extract_formulas.py

完成后会自动：

提取所有数学公式区域图像
识别为 LaTeX 格式
保存结果到：extracted_formulas.txt

转换成GUI工具

# 将脚本转换为简单的 tkinter GUI 应用程序
gui_script = """
import os
import tkinter as tk
from tkinter import filedialog, messagebox
from doc2x.extract_formula import extract_formula_imgs
from pix2text import Pix2Text
from PIL import Image

def select_pdf():
    file_path = filedialog.askopenfilename(filetypes=[("PDF Files", "*.pdf")])
    if file_path:
        entry_pdf.delete(0, tk.END)
        entry_pdf.insert(0, file_path)

def run_extraction():
    pdf_path = entry_pdf.get()
    if not os.path.isfile(pdf_path) or not pdf_path.endswith(".pdf"):
        messagebox.showerror("错误", "请选择有效的 PDF 文件。")
        return

    output_dir = os.path.join(os.path.dirname(pdf_path), "formulas")
    os.makedirs(output_dir, exist_ok=True)

    messagebox.showinfo("提示", "正在提取公式图像，请稍候...")
    extract_formula_imgs(pdf_path, output_dir, dpi=300)

    p2t = Pix2Text()
    output_file = os.path.join(os.path.dirname(pdf_path), "extracted_formulas.txt")

    with open(output_file, "w", encoding="utf-8") as f_out:
        for fname in sorted(os.listdir(output_dir)):
            if fname.endswith(".png"):
                img_path = os.path.join(output_dir, fname)
                latex = p2t(Image.open(img_path))
                f_out.write(f"{fname}: {latex}\\n")

    messagebox.showinfo("完成", f"🎉 公式提取完成！结果保存在\\n{output_file}")

# GUI 界面
root = tk.Tk()
root.title("PDF 公式提取工具")
root.geometry("500x150")

tk.Label(root, text="选择 PDF 文件：").pack(pady=5)
entry_pdf = tk.Entry(root, width=50)
entry_pdf.pack(padx=10)
tk.Button(root, text="浏览", command=select_pdf).pack(pady=5)

tk.Button(root, text="开始提取公式", command=run_extraction, bg="#4CAF50", fg="white").pack(pady=10)

root.mainloop()
"""

gui_script_path = "/mnt/data/pdf_formula_gui.py"
with open(gui_script_path, "w", encoding="utf-8") as f:
    f.write(gui_script.strip())

gui_script_path

安装依赖（首次运行）：

pip install doc2x[pix2text] -i https://pypi.tuna.tsinghua.edu.cn/simple
双击运行或使用命令：

python pdf_formula_gui.py
在弹出的窗口中：
- 选择你的 PDF 文件
- 点击【开始提取公式】
- 将这个图形界面程序打包成 .exe 可执行文件的详细教程，适合 Windows 用户👇
  
  ✅ 步骤一：安装打包工具 PyInstaller
  
  打开命令行，运行：
  
  pip install pyinstaller
  
  ✅ 步骤二：使用 PyInstaller 打包为 EXE
  
  在包含 pdf_formula_gui.py 文件的文件夹中运行以下命令：
  
  pyinstaller --onefile --windowed pdf_formula_gui.py
  
  参数解释：
- --onefile：打包成单个 .exe 文件
- --windowed：不显示命令行窗口（适合 GUI 应用）
- 你可以双击它，像普通软件一样运行！
  
  ✅ 步骤三：获取打包好的 EXE 文件
  
  dist/pdf_formula_gui.exe
  
  自动生成：LaTeX 识别结果（extracted_formulas.txt）