从Latex代码文件中提取所有Latex命令

Question

我正在尝试从一个tex文件中提取所有的latex命令。为此，我必须使用Python。我尝试使用Re模块提取列表中的latex命令。

问题是，此列表不包含其名称包括特殊字符(如\alpha*、\a‘、#、\$、+、：、\；等)的latex命令。它只包含由字母组成的乳液命令。

我目前正在使用re.match python命令：

    "I already know the starting index of '\' which is at self.i.
     The example Latex code string could be:
     \documentclass[envcountsame,envcountchap]{svmono}"

     match_text = re.match("[\w]+", search_string[self.i + 1:])

我能提取“文档类”。但是，假设有另一个命令，如：

     "\abstract*[alpha]{beta}"
     "\${This is a latex document}"
     "\:" 

如何从这些字符串中只提取‘抽象*’、'$‘、’‘？

我是Python新手，尝试过各种方法，但无法提取所有这些命令名。如果有一个通用的python可以处理所有这些情况，它将是有用的。

注:一本名为“对LaTeX的不那么简短的介绍”的书定义了LaTeX命令的格式可以有三种类型-

格式：

• 它们以反斜杠开头\，然后只有字母组成的名称。命令名以空格、数字或任何其他“非字母”结尾。
• 它们由一个反斜杠和一个非字母组成。
• 许多命令都存在于“星变体”中，其中一颗星被附加到命令名之后。

Answer 1

以下是格式规范的准确翻译：

\\(?:[^a-zA-Z]|[a-zA-Z]+)\*?

演示

• 非字母：[^a-zA-Z]
• 或字母：[a-zA-Z]+
• 明星变体：\*?

如果您的格式描述是准确的，这应该可以做到。不幸的是，我不知道LaTeX，所以我不确定它是100%的好。

从注释中的反馈来看，星星只适用于字母命令，还可以有一些其他的终止字符。最后的准则是：

\\(?:[^a-zA-Z]|[a-zA-Z]+[*=']?)

Answer 2

LaTeX是一个TeX宏包，因此，适用于TeX的所有内容也适用于LaTeX。

您提出的问题很难回答，因为TeX不是一种常规语言。如果您只想处理命令，则必须检查\\([A-Za-z]+ *|.|\n) regex (请参阅演示)，注意在TeX中有活动字符，即唯一存在的字符就像命令一样。如果要处理命令参数，则必须检查各个命令定义，因为TeX是波兰符号(操作符或命令是前缀，具有可变数量的位置参数)语言。对于参数提取，TeX使用无上下文和非规则的大括号匹配，因此需要一个完整的解析器。

TeX允许您重新定义所有字符类，因此您可以重新定义数字作为字母，并可用作命令名(例如，\a23是一个有效的命令名)(这发生在包定义中，@用作字母，以便使用户无法访问但包内可用的命令)。

由于这个原因，消除LaTeX标记是一件很困难的事情，而且您只能取得部分结果。有许多不同的问题需要解决(如何处理\include指令，如何处理\chapter参数或\footnote等参数中的有效文本，需要包含索引等等)。

此外，您必须小心，就好像您试图消除命令参数一样，您也将删除部分文本(例如，\footnote、\abstract、\title、\chapter{...}等中的文本)。我不知道你到底想得到什么效果，所以我不能给你更多的这方面的信息。