相关疑难解决方法(0)

我想使用轻量级标记语言在我的大学课堂上做笔记.

我选择的编辑器是gedit,我找到了Gedit的reStructuredText工具,它将运行reStructuredText处理器并在gedit的窗格中呈现HTML.这很棒,80%的路在那里.

但对于我的许多课程,我需要在笔记中包含数学方程式或希腊字符.虽然我对LaTeX不是很熟悉,但我的理解是它具有这些功能.

如何在reST文档中使用LaTeX？是否需要将reST文档处理为LaTeX,然后将其呈现为HTML,还是有更好的方法？降价会让这更容易吗？如有必要,我可以修改gedit插件.

最后,有人这样做吗？在纯文本编辑器中获取课堂笔记的任何其他建议？

谢谢!

我的数据集由作为 .tex 文件的 arXiv 天体物理学文章组成，我只需要从文章正文中提取文本，而不是从文章的任何其他部分（例如表格、图表、摘要、标题、脚注、致谢、引文等） .)

我一直在尝试使用 Python3 和tex2py，但我正在努力获得一个干净的语料库，因为文件在标签上有所不同，并且文本在标签之间被分解。

我附上了一个 SSCCE、几个示例 Latex 文件及其 pdf，以及解析的语料库。语料库显示了我的挣扎：节和小节没有按顺序提取，在某些标签处文本中断，并且包含了一些表格和图形。

代码：

import os
from tex2py import tex2py

corpus = open('corpus2.tex', 'a')

def parseFiles():
    """
    Parses downloaded document .tex files for word content.
    We are only interested in the article body, defined by /section tags.
    """

    for file in os.listdir("latex"):
        if file.endswith('.tex'):
            print('\nChecking ' + file + '...')
            with open("latex/" + file) as f:
                try:
                    toc = tex2py(f) # toc = tree of contents
                    # …