redfries/paper2tex

paper2tex — 学术论文 Word 转 LaTeX 转换器

将学术 .docx 文档转换为符合出版要求、可编译的 LaTeX 文档，并适配任何会议或期刊主题（IEEE、ACM、Springer LNCS、Elsevier、NeurIPS、ICML、CVPR、MDPI、Nature）。

强制性第 0 步：图片来源澄清

在执行提取流程之前，智能体必须始终询问用户：

"您是否有专用的 figures/ 文件夹，其中包含高分辨率或矢量图像（例如 ./figures），还是我应该直接从 Word 文档中提取嵌入的图像？（请回复文件夹路径或直接回复 'extract'）"

• 如果用户回复 'extract'：运行 python -m scripts.extract input.docx work_dir/。流程将自动从 .docx 中提取、归一化并自动旋转所有嵌入的绘图。
• 如果用户提供文件夹路径（例如 ./figures 或 C:/assets/figs）：运行 python -m scripts.extract input.docx work_dir/ --figures-dir <path>。流程会将您的高分辨率矢量文件（.pdf、.svg）和栅格文件（.png、.jpg，>= 300 DPI）与文档中的图形进行匹配。

---

快速开始

运行端到端提取和组装流程：

# 1. 验证系统工具链
python -m scripts.preflight

# 2. 提取内容、数学公式（OMML）、表格、图形和参考文献
python -m scripts.extract input.docx work_dir/ [--figures-dir <path>]

# 3. 应用目标会议主题（或分析自定义模板 zip）
python -m scripts.template_spec "ieee-conference" work_dir/

# 4. 组装 main.tex，包含模板感知的子图和无缝浮动体流
python -m scripts.assemble work_dir/

# 5. 编译并运行可视化质量验证
python -m scripts.compile work_dir/main.tex
python -m scripts.visual_qa work_dir/main.pdf work_dir/

工作流阶段

阶段 0: 图形询问  → 询问用户 figures/ 文件夹或 "extract" 确认
阶段 1: 预检查     → 检查 pandoc、tectonic/latexmk、lxml、Pillow、pymupdf
阶段 2: 预处理     → 删除修订标记、修复 Symbol 字体陷阱、映射域代码
阶段 3: 提取       → 并行提取 OMML 数学公式、表格、图形、参考文献
阶段 4: 主题规范   → 匹配配方（IEEE/ACM/LNCS）或通过 Firecrawl 研究
阶段 5: AST 组装   → 确定性组装，包含模板感知的子图和子浮动体
阶段 6: 编译循环   → 引擎选择（XeLaTeX/pdfLaTeX）+ 自动日志自动修复
阶段 7: 验证       → 清单差异 + 特殊字符审计 + 可视化质量保证
阶段 8: 交付       → submission/ 文件夹（.tex、.bib、figures/、.pdf、report.md）

核心架构保证

1. 100% 逐字保留原文：将 Markdown AST 直接映射到 LaTeX。零段落遗漏、零改写、零文本修改。
2. OpenXML 旋转与翻转归一化：准确解析 <a:xfrm rot="...">，防止图像侧倒或旋转。
3. 模板感知的子图：对 IEEEtran 使用 \usepackage[caption=false,font=footnotesize]{subfig} 配合 \subfloat，对 acmart/llncs 使用 subcaption。
4. 子标题分解：将带有 (a)、(b)、(c) 的复合标题拆分为单独的图题。
5. 无缝浮动体流：在章节前消除破坏性的 \FloatBarrier 注入。浮动体自然放置（[!t]、[b]），无空白页。
6. 确定性 OMML 数学公式：通过 MathML XSLT 将 Word 公式直接转换为 LaTeX —— 绝不通过 LLM 文本重发。

文档与参考

• 布局与浮动体规则：参见 LAYOUT_GUIDELINES.md，了解图形尺寸、子图几何和表格格式。
• 主题与 Firecrawl 研究：参见 THEMES_AND_TEMPLATES.md，了解会议配方和在线模板研究。
• 技术参考：参见 REFERENCE.md，了解提取内部原理、符号字体映射和编译器自动修复分类。
• 智能体指令：参见 AGENTS.md，了解分步智能体操作说明。
• 设置指南：参见 SETUP.md，了解平台特定设置（Antigravity、Claude Code、Cursor、OpenCode）。