如何从数据库中提取学术论文的正文

Question

我想知道我是否可以做出一个从数据库中提取研究论文文本的算法，比如PubMed。

可能，查询语言也是相关的主题。

首先，是否可以使用Python语言编写具有匹配条件的数据库搜索程序，如论文抄袭检查程序？

我认为论文抄袭检查程序给了我很多提示。

其次，这些程序如何搜索文本以检查与输入论文的相似性？

我发现许多研究论文都不是免费的，它们的文本不允许直接搜索。

Answer 1

我已经制作了一个名为Findpapers的工具，它对您很有用。它根据关键字从几个数据库(包括PubMed)收集论文。

在收集了论文的PDF之后，我建议您使用Tesseract来提取文本并对其进行任何您喜欢的处理。