Извлечение ссылок на стороне клиента из нескольких файлов PDF scientifi c - PullRequest
Новая
       27

Извлечение ссылок на стороне клиента из нескольких файлов PDF scientifi c

0 голосов
/ 09 марта 2020

Я пытаюсь создать сайт, который позволяет пользователю загружать несколько научных c файлов PDF и получать все ссылки без дубликатов. Я использовал pdf. js, чтобы извлечь текст в строку, затем выполнить поиск последнего индекса «ссылок» в строке и начать поиск ссылок. 

default:
var text = event.data.replace(/\s+/g, " ");
var textLower = text.toLowerCase();
var referencesText = text.slice(textLower.lastIndexOf("references") + 10);
references = [];
if (referencesText.slice(2, 3) === ".") {
   var i;
   for (i = 1; i < 100; i++) {
      var referenceStart = referencesText.search(" " + i + "\\. ");
      referencesText = referencesText.slice(referenceStart);
      var referenceEnd = referencesText.search(" " + (i + 1) + "\\. ");
      references.push(referencesText.slice(referenceStart, referenceEnd));
      referencesText = referencesText.slice(referenceEnd);
   }
   output.innerHTML = references.join('<br>');
   break;
} else if (referencesText.slice(2, 3) === " ") {
   var i;
   for (i = 1; i < 100; i++) {
      var referenceStart = referencesText.search(" " + i + " ");
      referencesText = referencesText.slice(referenceStart);
      var referenceEnd = referencesText.search(" " + (i + 1) + " ");
      references.push(referencesText.slice(referenceStart, referenceEnd));
      referencesText = referencesText.slice(referenceEnd);
   }
   output.innerHTML = references.join('<br>');
   break;
}

Задача 1: Если вы посмотрите на выделенный раздел - когда мой код ищет " " + 20 + " ", чтобы определить конец 19-й ссылки, но он находит более раннее вхождение.

enter image description here

Выход:

Espallargues M, Pons JM. Эффективность и безопасность вискозопплементации с Hylan GF для лечения остеоартрита коленного сустава: систематический c обзор. Int J Technol Assess Health Care 2003; 19 41 56. 20 Wright RW, Brand RA, Dunn W, Spindler KP. Как написать систематический c обзор. Clin Orthop Relat Res 2007; 455: 23 9. Бумага получена в октябре 2013 г., принята в марте 2014 г. 2014 г. John Wiley & Sons Ltd Int J Clin Pract, август 2014 г., 68, 8, 1041–1047 Эффективность Гилана GF 20 при болезненном колене OA 1047

Проблема 2: Поскольку существует много разных стилей ссылок, я не уверен, как извлечь заголовки из ссылок. Будет трудно найти дубликаты, если в PDF-файлах используются разные стили ссылок без дальнейшего извлечения заголовков.

...