求引文解析器
我需要一个解析器来扫描学术文本，提取引文，并将这些引用解析为它们的组成部分（作者，标题，出版日期等）。
我尝试过Paracite，但速度慢得令人沮丧，并没有产生高质量的结果。
任何语言都可以，但Java是首选。
看看ParsCit ：
这是ParsCit项目的主页，它执行两个任务：1）引用字符串解析，有时也称为引用解析或引用提取，2）科学文档的逻辑结构解析。 它被构建为有监督的机器学习过程，它使用条件随机场作为其学习机制。 您可以下载以下代码，在线解析字符串或将批处理作业发送到我们的Web服务。 该代码包含训练数据，特征生成器和shell脚本，以将系统连接到Web服务（在此Web站点上使用）。
我们最近遇到了类似的问题，并最终编写了基于ParsCit的自己的解析器，但使用Wapiti而不是CRF ++作为条件随机字段模型。 就像Mike上面提到的那样，基于ML的解析器的问题是获得良好的标记训练数据; 为此，我们编写了一个可视化编辑器，可以标记结果（并将其保存为训练数据）。 这种方法适用于解析参考书目。
如果有人有兴趣，我们已经在anystyle.io上提供了解析器和编辑器。
项目清单如下： https ： //forums.zotero.org/discussion/1211/
Cb2bib使用正则表达式http://www.molspaces.com/cb2bib/
Citeseer使用了大量的作者姓名和头衔。 您可以查看他们的出版物列表
这是一个项目，但在python中： https ： //code.google.com/p/pdfssa4met/
另请参阅这些stackoverflow问题：* 从研究论文的PDF中提取信息
您还可以尝试使用这个小工具将学术引文解析为字段：
Citationparser.com仍然是测试版，但2017版本特别适用于期刊文章，但也适用于专着和书籍章节。
列表不必是一种风格，但可以是不同官方或非官方风格的混合
您可以浏览参考文献并检查全文，也可以将其导出为Endnote文件（.ENL）。 我开发此工具仅适用于数百种标题的较小列表。 如果粘贴一个包含1000多个标题的列表，它将运行得慢得多。
您可以尝试查看像Lucene这样的索引/搜索库