Python+AI自动读论文:上传PDF,3分钟出摘要+思维导图

pip install openai pymupdf xmind

import fitz  # PyMuPDF，PDF解析import openaiimport osfrom xmind import xmind# 设置API密钥openai.api_key = os.getenv("OPENAI_API_KEY")def extract_text_from_pdf(pdf_path):    """从PDF提取文本"""    doc = fitz.open(pdf_path)    text = ""    for page in doc:        text += page.get_text()    doc.close()    # 截断过长文本（GPT-4上下文限制）    return text[:15000]  # 约10-15页内容def generate_summary(text):    """调用GPT-4生成结构化摘要"""    prompt = f"""    请阅读以下学术论文，输出JSON格式：    {{        "一句话摘要": "用一句话概括核心贡献",        "创新点": ["要点1", "要点2", "要点3"],        "实验结果": "关键数据和结论",        "局限性": "作者提到的不足",        "思维导图结构": {{            "根节点": "论文标题",            "一级分支": ["分支1", "分支2"],            "分支1的二级": ["细节1", "细节2"]        }}    }}    论文内容：    {text}    """    response = openai.ChatCompletion.create(        model="gpt-4",        messages=[{"role": "user", "content": prompt}],        temperature=0.3    )    import json    content = response.choices[0].message.content    # 清理可能的markdown标记    content = content.replace("```json", "").replace("```", "")    try:        return json.loads(content)    except:        # 解析失败返回原始文本        return {"原始分析": content}def create_mindmap(summary, output_path):    """生成XMind思维导图"""    workbook = xmind.load(output_path)    sheet = workbook.getPrimarySheet()    sheet.setTitle(summary.get("一句话摘要", "论文摘要")[:20])    root = sheet.getRootTopic()    root.setTitle(summary.get("思维导图结构", {}).get("根节点", "论文核心"))    # 添加创新点分支    innovations = summary.get("创新点", [])    if innovations:        innovation_branch = root.addSubTopic()        innovation_branch.setTitle("核心创新")        for item in innovations:            sub = innovation_branch.addSubTopic()            sub.setTitle(item)    # 添加实验结果分支    results = summary.get("实验结果", "")    if results:        result_branch = root.addSubTopic()        result_branch.setTitle("实验结果")        sub = result_branch.addSubTopic()        sub.setTitle(str(results)[:50])    # 添加局限性分支    limitations = summary.get("局限性", "")    if limitations and limitations != "无":        limit_branch = root.addSubTopic()        limit_branch.setTitle("局限性")        sub = limit_branch.addSubTopic()        sub.setTitle(str(limitations)[:50])    xmind.save(workbook, output_path)    return output_pathdef process_paper(pdf_path, output_dir="output"):    """完整流程：PDF → 摘要 → 思维导图"""    os.makedirs(output_dir, exist_ok=True)    filename = os.path.basename(pdf_path).replace(".pdf", "")    print(f"📖 正在读取: {filename}")    text = extract_text_from_pdf(pdf_path)    print(f"🤖 正在分析...（调用GPT-4）")    summary = generate_summary(text)    print(f"🗺️  正在生成思维导图...")    mindmap_path = os.path.join(output_dir, f"{filename}.xmind")    create_mindmap(summary, mindmap_path)    # 保存文本摘要    txt_path = os.path.join(output_dir, f"{filename}_摘要.txt")    with open(txt_path, "w", encoding="utf-8") as f:        f.write(f"一句话摘要：\n{summary.get('一句话摘要', 'N/A')}\n\n")        f.write(f"创新点：\n")        for i, point in enumerate(summary.get("创新点", []), 1):            f.write(f"{i}. {point}\n")        f.write(f"\n实验结果：\n{summary.get('实验结果', 'N/A')}\n")        f.write(f"\n局限性：\n{summary.get('局限性', 'N/A')}\n")    print(f"✅ 完成！输出文件：")    print(f"   📄 {txt_path}")    print(f"   🗺️  {mindmap_path}")    return summary# 批量处理多个PDFdef batch_process(pdf_folder):    """批量处理文件夹内所有PDF"""    pdf_files = [f for f in os.listdir(pdf_folder) if f.endswith(".pdf")]    print(f"🔍 发现 {len(pdf_files)} 个PDF文件")    print("=" * 50)    all_summaries = []    for pdf_file in pdf_files:        pdf_path = os.path.join(pdf_folder, pdf_file)        try:            summary = process_paper(pdf_path)            summary["文件名"] = pdf_file            all_summaries.append(summary)            print("-" * 50)        except Exception as e:            print(f"❌ 处理失败 {pdf_file}: {str(e)}")    # 生成汇总对比表    if len(all_summaries) > 1:        generate_comparison_table(all_summaries)    return all_summariesdef generate_comparison_table(summaries):    """生成多篇论文对比表"""    comparison = "📊 论文对比汇总\n"    comparison += "=" * 80 + "\n"    comparison += f"{'文件名':<30} | {'核心创新':<40}\n"    comparison += "-" * 80 + "\n"    for s in summaries:        filename = s.get("文件名", "未知")[:28]        innovation = s.get("一句话摘要", "N/A")[:38]        comparison += f"{filename} | {innovation}\n"    comparison += "=" * 80 + "\n"    with open("output/论文对比表.txt", "w", encoding="utf-8") as f:        f.write(comparison)    print(f"\n📊 已生成对比表: output/论文对比表.txt")# 运行入口if __name__ == "__main__":    import sys    if len(sys.argv) > 1:        # 处理单个文件        process_paper(sys.argv[1])    else:        # 批量处理当前目录的papers文件夹        batch_process("papers")

$ python paper_reader.py papers/🔍 发现 3 个PDF文件==================================================📖 正在读取: attention_is_all_you_need.pdf🤖 正在分析...（调用GPT-4）🗺️  正在生成思维导图...✅ 完成！   📄 output/attention_is_all_you_need_摘要.txt   🗺️  output/attention_is_all_you_need.xmind--------------------------------------------------📖 正在读取: bert_pretraining.pdf🤖 正在分析...（调用GPT-4）🗺️  正在生成思维导图...✅ 完成！   📄 output/bert_pretraining_摘要.txt   🗺️  output/bert_pretraining.xmind--------------------------------------------------📖 正在读取: gpt3_language_models.pdf🤖 正在分析...（调用GPT-4）🗺️  正在生成思维导图...✅ 完成！   📄 output/gpt3_language_models_摘要.txt   🗺️  output/gpt3_language_models.xmind--------------------------------------------------📊 已生成对比表: output/论文对比表.txt🎉 全部完成！总耗时: 7分12秒

# 用Ollama本地运行Llama2，敏感论文（如未发表工作）不上传import requestsdef local_summary(text):    response = requests.post("http://localhost:11434/api/generate",        json={            "model": "llama2:13b",            "prompt": f"总结以下论文：{text[:8000]}",            "stream": False        })    return response.json()["response"]# 替换generate_summary中的API调用# summary = local_summary(text)  # 零成本，隐私安全

from pptx import Presentationfrom pptx.util import Inches, Ptdef create_ppt(summary, output_path):    """自动生成汇报PPT"""    prs = Presentation()    # 标题页    title_slide = prs.slides.add_slide(prs.slide_layouts[0])    title_slide.shapes.title.text = "论文精读汇报"    title_slide.placeholders[1].text = summary.get("一句话摘要", "")    # 创新点页    bullet_slide = prs.slides.add_slide(prs.slide_layouts[1])    bullet_slide.shapes.title.text = "核心创新点"    tf = bullet_slide.shapes.placeholders[1].text_frame    for point in summary.get("创新点", []):        tf.add_paragraph().text = point    # 实验结果页    # ...    prs.save(output_path)    print(f"📊 PPT已生成: {output_path}")# 调用：create_ppt(summary, "output/汇报.pptx")