redfries/paper2tex

paper2tex — 學術論文 Word 轉 LaTeX 轉換器

將學術 .docx 檔案轉換為可立即編譯、符合任何會議或期刊主題（IEEE、ACM、Springer LNCS、Elsevier、NeurIPS、ICML、CVPR、MDPI、Nature）的 LaTeX 文件。

必備步驟 0：圖形來源釐清

在執行提取流程之前，代理程式必須始終詢問使用者：

「您是否有專用的 figures/ 資料夾，內含高解析度或向量圖檔（例如 ./figures），或者我應該直接從 Word 文件中提取內嵌圖片？請回覆您的資料夾路徑，或直接輸入 'extract'」

• 如果使用者回覆 'extract'：執行 python -m scripts.extract input.docx work_dir/。流程會自動從 .docx 中提取、正規化並自動旋轉所有內嵌繪圖。
• 如果使用者提供資料夾路徑（例如 ./figures 或 C:/assets/figs）：執行 python -m scripts.extract input.docx work_dir/ --figures-dir <path>。流程會將您的高解析向量檔（.pdf、.svg）與點陣檔（.png、.jpg，>= 300 DPI）與文件中的圖形進行比對。

---

快速開始

執行端對端的提取與組裝流程：

# 1. 驗證系統工具鏈
python -m scripts.preflight

# 2. 提取內容、數學公式 (OMML)、表格、圖形與參考文獻
python -m scripts.extract input.docx work_dir/ [--figures-dir <path>]

# 3. 套用目標會議主題（或分析自訂模板壓縮檔）
python -m scripts.template_spec "ieee-conference" work_dir/

# 4. 使用主題感知子圖與無縫浮動流程組裝 main.tex
python -m scripts.assemble work_dir/

# 5. 編譯並執行視覺化 QA 驗證
python -m scripts.compile work_dir/main.tex
python -m scripts.visual_qa work_dir/main.pdf work_dir/

工作流程階段

階段 0：圖形查詢  → 向使用者詢問 figures/ 資料夾或 "extract" 確認
階段 1：預檢        → 檢查 pandoc、tectonic/latexmk、lxml、Pillow、pymupdf
階段 2：前處理      → 移除追蹤修訂、修正 Symbol 字型陷阱、對應功能變數代碼
階段 3：提取        → OMML 數學、表格、圖形、參考文獻的並行提取器
階段 4：主題規格    → 比對配方 (IEEE/ACM/LNCS) 或透過 Firecrawl 研究
階段 5：AST 組裝    → 使用主題感知子圖與子浮動的確定性組裝
階段 6：編譯迴圈    → 引擎選擇 (XeLaTeX/pdfLaTeX) + 自動化日誌自動修正
階段 7：驗證        → 清單差異比對 + 特殊字元稽核 + 視覺化 QA
階段 8：交付        → 產生 submission/ 資料夾 (.tex、.bib、figures/、.pdf、report.md)

核心架構保證

1. 100% 逐字保留原文：將 Markdown AST 直接對映至 LaTeX。絕不遺漏段落、絕不重新表述、絕不改變文字內容。
2. OpenXML 旋轉與翻轉正規化：正確解析 <a:xfrm rot="..."> 以防止圖片側向或旋轉。
3. 主題感知子圖：針對 IEEEtran 使用 \usepackage[caption=false,font=footnotesize]{subfig} 搭配 \subfloat，針對 acmart/llncs 則使用 subcaption 套件。
4. 子標題分解：將含有 (a)、(b)、(c) 的複合標題拆分為獨立的圖板標題。
5. 無縫浮動流程：在章節前移除干擾性的 \FloatBarrier 插入。浮動物件自然放置（[!t]、[b]），無空白頁面空隙。
6. 確定性 OMML 數學公式：Word 方程式透過 MathML XSLT 直接轉換為 LaTeX — 絕不經由 LLM 文字重新輸出。

文件與參考資料

• 佈局與浮動規則：請參閱 LAYOUT_GUIDELINES.md 了解圖形尺寸、子圖幾何與表格格式。
• 主題與 Firecrawl 研究：請參閱 THEMES_AND_TEMPLATES.md 了解研討會配方與線上模板研究。
• 技術參考：請參閱 REFERENCE.md 了解提取內部機制、Symbol 字型對映與編譯器自動修正分類。
• 代理程式指示：請參閱 AGENTS.md 了解逐步代理程式指示。
• 設定指南：請參閱 SETUP.md 了解平台特定設定（Antigravity、Claude Code、Cursor、OpenCode）。