在Overleaf中搜索论文缩略词 以帮助构建缩略词表

在Overleaf中搜索缩略词的正则表达式方法

Overleaf支持正则表达式搜索，可用来查找文档中的缩略词，以帮助构建缩略词表。

基本操作

1. Ctrl+F 打开搜索
2. 点击 .* 启用正则搜索
3. 输入: [A-Z]{2,}

常用正则表达式

• [A-Z]{2,} : 匹配2个及以上连续大写字母
• [A-Z]{2} : 严格匹配2个大写字母
• \b[A-Z]{2,}\b : 匹配词边界的大写字母序列

局限性

• 无法匹配包含数字的缩略词
• 可能误匹配非缩略词的大写序列 （如\cite{}中的大写序列）

最终解决方案

• 直接使用python读取tex，然后自定义逻辑提取缩略词，并且输出IEEE格式的缩略词表

import re

def read_tex_file(tex_path):
    """
    读取 tex 文件所有内容
    """
    try:
        with open(tex_path, 'r', encoding='utf-8') as f:
            text = f.read()
        return text
    except Exception as e:
        raise IOError(f"无法读取 tex 文件: {e}")

def remove_citations(text):
    """
    移除 \cite 命令，防止该部分出现连续大写字母影响缩略词识别
    同时考虑可选参数的情况，例如 \cite[...]{...}
    """
    pattern = r'\\cite(?:\[[^\]]*\])?\{[^}]*\}'
    return re.sub(pattern, '', text)

def remove_references(text):
    """
    移除参考文献部分：
      1. 删除 thebibliography 环境中的内容；
      2. 如果存在“参考文献”或“REFERENCES”等关键字，其后的内容不再分析。
    """
    text = re.sub(r'\\begin\{thebibliography\}.*?\\end\{thebibliography\}', '', text, flags=re.DOTALL)
    
    ref_markers = ["参考文献", "REFERENCES"]
    idx = len(text)
    for marker in ref_markers:
        pos = text.find(marker)
        if pos != -1 and pos < idx:
            idx = pos
    return text[:idx]

def remove_existing_acronym_table(text):
    """
    移除已有的 IEEE 缩略词表，避免重复识别
    """
    pattern = r'\\begin\{IEEEdescription\}.*?\\end\{IEEEdescription\}'
    return re.sub(pattern, '', text, flags=re.DOTALL)

def extract_acronym_definitions(text):
    """
    利用正则表达式匹配形如 "Full term (ACRONYM)" 的缩略词定义，
    返回字典，key 为缩略词，value 为全称。

    这里先匹配较宽松的形式，再在代码中对缩略词进行验证：
      - 缩略词必须长度≥2，
      - 不能全部为数字，
      - 必须至少包含两个大写字母（例如 "AoA" 满足要求，而 "Real" 不满足）。
    """
    # 这里的全称部分允许出现字母、空格、连字符、& 符号以及 LaTeX 的反斜杠命令
    pattern = re.compile(r'(?P<full>[A-Za-z\\][A-Za-z \-\&\\]+?)\s*\((?P<abbr>[A-Za-z0-9]{2,})\)')
    mappings = {}
    for match in pattern.finditer(text):
        abbr = match.group("abbr").strip()
        # 过滤：如果缩略词全部为数字或大写字母数量不够，则跳过
        if abbr.isdigit():
            continue
        if sum(1 for c in abbr if c.isupper()) < 2:
            continue
        full = match.group("full").strip()
        if abbr not in mappings:
            mappings[abbr] = full
    return mappings

def find_candidate_acronyms(text, freq_threshold=2):
    """
    利用正则表达式匹配所有由字母和数字组成、长度≥2的单词，
    然后在 Python 中检查：
      - 排除全为数字的单词；
      - 要求该单词中至少包含两个大写字母。
    对所有符合条件的候选词统计出现频次，并过滤掉出现次数不足 freq_threshold 的项；
    最后与通过定义匹配到的缩略词取并集，确保在定义处出现的缩略词（即使频次较低）也被保留。
    """
    pattern = r'\b[A-Za-z0-9]{2,}\b'
    candidates = re.findall(pattern, text)
    freq = {}
    for candidate in candidates:
        # 排除纯数字
        if candidate.isdigit():
            continue
        # 检查至少包含两个大写字母
        if sum(1 for c in candidate if c.isupper()) < 2:
            continue
        freq[candidate] = freq.get(candidate, 0) + 1

    filtered = {abbr for abbr, count in freq.items() if count >= freq_threshold}
    defined = set(extract_acronym_definitions(text).keys())
    all_acronyms = filtered.union(defined)
    return sorted(all_acronyms)

def generate_ieee_acronym_table(acronyms, definitions):
    """
    根据缩略词列表及其对应全称生成 IEEE 格式的缩略词表，格式例如：
    
    \begin{IEEEdescription}[\IEEEsetlabelwidth{$MMMM$}\IEEEusemathlabelsep]
      \item[AI] Artificial Intelligence
      ...
    \end{IEEEdescription}
    
    若某缩略词没有对应全称，则标记为 “未定义”。
    Label 宽度利用最长缩略词的长度生成占位字符串（用字母 M 模拟）。
    """
    if acronyms:
        max_len = max(len(a) for a in acronyms)
    else:
        max_len = 2
    placeholder = "$" + "M" * max_len + "$"
    
    latex_lines = []
    latex_lines.append(r"\begin{IEEEdescription}[\IEEEsetlabelwidth{" + placeholder + r"}\IEEEusemathlabelsep]")
    for abbr in acronyms:
        expansion = definitions.get(abbr, "").strip()
        if not expansion:
            expansion = "未定义"
        latex_lines.append(r"\item[" + abbr + r"] " + expansion)
    latex_lines.append(r"\end{IEEEdescription}")
    return "\n".join(latex_lines)

def main():
    tex_path = input("请输入 tex 文件的路径: ").strip()
    try:
        raw_text = read_tex_file(tex_path)
    except Exception as e:
        print("读取 tex 文件失败，请检查文件路径与权限。")
        print("错误信息：", e)
        return

    # 预处理步骤：移除 \cite 命令、参考文献部分和已有的缩略词表
    text_no_cites = remove_citations(raw_text)
    text_no_refs = remove_references(text_no_cites)
    clean_text = remove_existing_acronym_table(text_no_refs)

    # 提取定义以及候选的缩略词
    acronym_definitions = extract_acronym_definitions(clean_text)
    acronym_candidates = find_candidate_acronyms(clean_text, freq_threshold=1)

    if not acronym_candidates:
        print("未检测到可能的缩略词。")
        return

    ieee_table = generate_ieee_acronym_table(acronym_candidates, acronym_definitions)
    print("\n生成的 IEEE 格式缩略词表：\n")
    print(ieee_table)

if __name__ == "__main__":
    main()