Converti PDF in BIBTEX

I ricercatori ricevono articoli in formato PDF, ma hanno bisogno di record .bib per citarli in LaTeX, Overleaf o in un database di riferimenti condiviso. Il risultato utile sono i metadati bibliografici — autori, titolo, dettagli della pubblicazione e DOI — non una conversione del layout delle pagine del PDF.

File PDF e BibTeX

PDF (Portable Document Format) è un formato di documenti a impaginazione fissa creato da Adobe e standardizzato come ISO 32000. Editori, università, aziende, scanner, applicazioni per ufficio e browser web usano PDF perché preserva l’aspetto visivo, i font, le immagini e la paginazione di un documento su sistemi diversi.

Un PDF accademico può contenere metadati forniti dall’editore, testo selezionabile, un DOI e informazioni bibliografiche incorporate. Un PDF scansionato può contenere solo immagini delle pagine, quindi il software deve prima applicare l’OCR e poi dedurre i metadati dal testo riconosciuto.

BibTeX è un formato di database bibliografico in testo semplice utilizzato nei flussi di lavoro BibTeX e BibLaTeX in LaTeX. Memorizza voci come @article, @book e @inproceedings, con campi tra cui author, title, journal, year, volume, pages, doi e url.

L’estensione convenzionale è .bib; sebbene alcuni software accettino .bibtex, usa .bib per la massima compatibilità. I file BibTeX possono essere modificati in un editor di testo, monitorati in Git, uniti ad altre librerie e citati tramite chiavi stabili come smith2024.

Estrarre un record con Zotero

Zotero è l’opzione desktop più pratica per i PDF accademici individuali. Identifica gli articoli tramite DOI, metadati incorporati, dati dell’editore o corrispondenza del titolo, quindi esporta il record della libreria risultante come BibTeX.

1. Trascina paper.pdf nella libreria di Zotero.
2. Fai clic con il pulsante destro del mouse sul PDF e seleziona Retrieve Metadata for PDF. Zotero crea un elemento bibliografico principale se identifica una corrispondenza.
3. Confronta l’elemento creato con la prima pagina del PDF e con la pagina di destinazione dell’editore o del DOI.
4. Fai clic con il pulsante destro del mouse sull’elemento principale e seleziona Export Item…, quindi scegli BibTeX e salva l’output, ad esempio, come references.bib. Per esportare più record, inseriscili in una raccolta e usa File → Export Library… oppure esporta la raccolta.

Per ottenere chiavi di citazione automatiche e un output BibTeX o BibLaTeX più configurabile, installa l’estensione Better BibTeX di Zotero. Controlla la chiave generata prima di usarla in un manoscritto, soprattutto quando i nomi degli autori o gli anni di pubblicazione sono incompleti.

cb2Bib è un’alternativa desktop utile per estrarre i dettagli delle citazioni dal testo di un PDF o dal testo copiato. È più efficace quando il PDF contiene testo selezionabile e un titolo, una riga con l’autore, un DOI o un riferimento di rivista ben definiti; esamina la voce proposta prima di salvarla in un database .bib.

JabRef può cercare metadati a partire da un DOI, ISBN, titolo o PDF importato, quindi salvare direttamente la libreria come database BibTeX. La sua ricerca dei metadati è preferibile alla trascrizione manuale di una citazione, ma la voce risultante richiede comunque una verifica.

Usare DOI e servizi di metadati online

Se il PDF mostra un DOI, usa quel DOI invece di caricare il documento su un convertitore sconosciuto. Cerca il DOI o il titolo esatto su search.crossref.org, verifica gli autori, la pubblicazione e l’anno, quindi copia o scarica la citazione BibTeX. I metadati Crossref sono forniti da editori e agenzie di registrazione, ma i record possono comunque essere incompleti o corretti dopo la pubblicazione.

Molti registri DOI supportano la negoziazione dei contenuti BibTeX. Questo comando richiede un record BibTeX direttamente dal risolutore DOI:

curl -L -H "Accept: application/x-bibtex" https://doi.org/10.1234/example > reference.bib

Sostituisci il DOI di esempio con il DOI dell’articolo. Esamina il file generato perché potrebbe essere necessario modificare la chiave della citazione, le maiuscole del titolo, l’intervallo di pagine e il tipo di voce.

Google Scholar può fornire un record alternativo: trova l’articolo esatto, seleziona il controllo Cite rappresentato dalle virgolette e scegli BibTeX. Scholar è utile per gli articoli privi di DOI, ma i suoi metadati sono aggregati da più fonti e non devono essere considerati autorevoli. Non caricare PDF inediti, riservati o protetti da copyright su un convertitore web, a meno che i suoi termini sulla privacy ne consentano l’utilizzo.

Elaborare scansioni e raccolte di file

Esegui l’OCR prima di importare una scansione contenente solo immagini. Adobe Acrobat fornisce All tools → Scan & OCR → Recognize text; l’opzione open source locale è:

ocrmypdf scan.pdf searchable.pdf

Dopo l’OCR, importa searchable.pdf in Zotero, cb2Bib o JabRef. L’OCR può interpretare erroneamente iniziali, trattini, nomi accentati e DOI, quindi cerca il DOI o il titolo recuperato nei metadati dell’editore invece di fidarti esclusivamente del testo OCR.

Per grandi raccolte di PDF accademici, GROBID estrae i metadati strutturati dell’intestazione e dei riferimenti in formato TEI XML. Dopo aver avviato il servizio locale, elabora un file con:

curl -F input=@paper.pdf http://localhost:8070/api/processHeaderDocument > paper.tei.xml

GROBID non crea direttamente un database BibTeX completo da quell’endpoint; è necessario uno script da TEI a BibTeX o una pipeline di metadati. Usalo quando l’estrazione in batch giustifica l’impegno necessario per la configurazione e la convalida.

Convalidare la voce esportata

Un PDF non contiene intrinsecamente una voce BibTeX. Gli strumenti di identificazione combinano metadati incorporati, testo estratto, ricerca del DOI e corrispondenza del titolo, quindi un record dall’aspetto plausibile può descrivere il lavoro sbagliato o contenere campi errati.

Controlla il tipo di voce; l’ortografia e l’ordine degli autori; il titolo; il titolo della rivista, del libro o della conferenza; l’anno; il volume; il fascicolo; le pagine o il numero dell’articolo; il DOI e l’URL. Usa la pagina di destinazione del DOI o la pagina dell’editore come verifica principale. Proteggi gli acronimi e le maiuscole richieste nei campi del titolo BibTeX con parentesi graffe quando lo stile bibliografico selezionato potrebbe convertirli in minuscolo, ad esempio title = {Methods for {PDF} and {LaTeX} Archives}.

BibTeX memorizza i metadati delle citazioni, non il PDF stesso. Conserva il PDF come allegato di Zotero o in una cartella del progetto e mantieni un DOI o un URL stabile dell’editore nel record .bib.