redfries/paper2tex

paper2tex — Convertidor de Artículos Académicos de Word a LaTeX

Convierte documentos académicos .docx en documentos LaTeX listos para publicación, adaptados a cualquier plantilla de conferencia o revista (IEEE, ACM, Springer LNCS, Elsevier, NeurIPS, ICML, CVPR, MDPI, Nature).

Paso 0 Obligatorio: Aclarar el Origen de las Figuras

Antes de ejecutar el proceso de extracción, el agente DEBE SIEMPRE preguntar al usuario:

"¿Tienes una carpeta figures/ dedicada con imágenes de alta resolución o vectoriales (p.ej., ./figures), o debo extraer las imágenes incrustadas directamente del documento de Word? (Responde con la ruta de tu carpeta o simplemente 'extraer')"

• Si el usuario responde 'extraer': Ejecuta python -m scripts.extract input.docx work_dir/. El proceso extraerá, normalizará y rotará automáticamente todos los dibujos incrustados del .docx.
• Si el usuario proporciona una ruta de carpeta (p.ej., ./figures o C:/assets/figs): Ejecuta python -m scripts.extract input.docx work_dir/ --figures-dir <ruta>. El proceso emparejará tus archivos vectoriales de alta resolución (.pdf, .svg) y raster (.png, .jpg >= 300 DPI) con las figuras del documento.

---

Inicio Rápido

Ejecuta el proceso completo de extracción y ensamblaje:

# 1. Verificar las herramientas del sistema
python -m scripts.preflight

# 2. Extraer contenido, ecuaciones (OMML), tablas, figuras y bibliografía
python -m scripts.extract input.docx work_dir/ [--figures-dir <ruta>]

# 3. Aplicar la plantilla de conferencia objetivo (o analizar un zip de plantilla personalizada)
python -m scripts.template_spec "ieee-conference" work_dir/

# 4. Ensamblar main.tex con subfiguras adaptadas a la plantilla y flujo continuo de flotantes
python -m scripts.assemble work_dir/

# 5. Compilar y ejecutar verificación visual QA
python -m scripts.compile work_dir/main.tex
python -m scripts.visual_qa work_dir/main.pdf work_dir/

Etapas del Flujo de Trabajo

ETAPA 0: CONSULTA DE FIGURAS → Preguntar al usuario por la carpeta figures/ o confirmación "extraer"
ETAPA 1: PREFLIGHT          → Verificar pandoc, tectonic/latexmk, lxml, Pillow, pymupdf
ETAPA 2: PREPROCESAMIENTO   → Eliminar cambios controlados, corregir trampa de fuente Symbol, mapear códigos de campo
ETAPA 3: EXTRACCIÓN         → Extractores paralelos para ecuaciones OMML, tablas, figuras, bibliografía
ETAPA 4: ESPECIFICACIÓN DE PLANTILLA → Emparejar receta (IEEE/ACM/LNCS) o investigar mediante Firecrawl
ETAPA 5: ENSAMBLAJE AST     → Ensamblaje determinista con subfiguras adaptadas a la plantilla y subflotantes
ETAPA 6: BUCLE DE COMPILACIÓN  → Selección de motor (XeLaTeX/pdfLaTeX) + corrección automática de registros
ETAPA 7: VERIFICACIÓN       → Diff de manifiesto + auditoría de caracteres especiales + QA visual
ETAPA 8: ENTREGA            → Carpeta submission/ (.tex, .bib, figures/, .pdf, report.md)

Garantías Arquitectónicas Principales

1. Preservación Textual al 100%: Mapea el AST de Markdown directamente a LaTeX. Cero párrafos eliminados, cero paráfrasis, cero alteración de texto.
2. Normalización de Rotación e Inversión en OpenXML: Analiza con precisión <a:xfrm rot="..."> para evitar imágenes giradas o volteadas.
3. Subfiguras Adaptadas a la Plantilla: Usa \usepackage[caption=false,font=footnotesize]{subfig} con \subfloat para IEEEtran y subcaption para acmart/llncs.
4. Descomposición de Subtítulos: Divide subtítulos compuestos con (a), (b), (c) en subtítulos individuales para cada panel.
5. Flujo Continuo de Flotantes: Elimina inyecciones disruptivas de \FloatBarrier antes de secciones. Los flotantes se colocan naturalmente ([!t], [b]) sin espacios en blanco.
6. Ecuaciones OMML Deterministas: Las ecuaciones de Word se convierten directamente a LaTeX mediante XSLT de MathML, nunca a través de reemisión de texto LLM.

Documentación y Referencias

• Reglas de Diseño y Flotantes: Consulta LAYOUT_GUIDELINES.md para tamaño de figuras, geometría de subfiguras y formato de tablas.
• Plantillas e Investigación Firecrawl: Consulta THEMES_AND_TEMPLATES.md para recetas de conferencias e investigación de plantillas en línea.
• Referencia Técnica: Consulta REFERENCE.md para detalles internos de extracción, mapeo de fuentes Symbol y taxonomía de corrección automática del compilador.
• Instrucciones para Agentes: Consulta AGENTS.md para instrucciones paso a paso para agentes.
• Guía de Configuración: Consulta SETUP.md para configuración específica de cada plataforma (Antigravity, Claude Code, Cursor, OpenCode).