acl-org/acl-anthology

Extract abstracts from PDF

Offen

#395 geöffnet am 06.06.2019

Auf GitHub ansehen
 (28 Kommentare) (2 Reaktionen) (1 zugewiesene Person)Python (386 Forks)github user discovery
enhancementhelp wanted

Repository-Metriken

Stars
 (733 Sterne)
PR-Merge-Metriken
 (Durchschn. Merge 7T 20h) (52 gemergte PRs in 30 T)

Beschreibung

The anthology currently only shows the abstracts if there is an authoritative version in the XML. It would be nice if we could scrape the PDF using some off-the-shelf software to extract the abstracts and dump them into a different file (to not tamper with handcrafted information). Having an abstract on the web pages makes quickly searching through literature much faster.

Contributor Guide

Research-Richtung
Erkunde vorhandene PDF Parsing Bibliotheken (z.B. PyPDF2, pdfplumber) und integriere sie, um Zusammenfassungen zu extrahieren und getrennt von vorhandenen XML Daten zu speichern.
Tech Stack
python
Domain
backend
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
Python
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
65