Ciencia_abierta

Este repositorio contiene los contenidos para la práctica de ciencia abierta. Incluye scripts de Python para procesar PDFs de artículos científicos, generar nubes de palabras, extraer figuras y enlaces, así como un script de configuración y un archivo de requisitos.

Contenido

• lectroPDF.py: Script para procesar archivos PDF de artículos científicos utilizando Grobid y convertirlos a formato XML.

• creadorNubesPalabras.py: Script para generar nubes de palabras a partir de los archivos XML generados por lectroPDF.py.

• creadorFiguras.py: Script para contar el número de figuras en los archivos XML y generar una gráfica comparativa.

• extractorLinks.py: Script para extraer enlaces de los archivos XML.

• prev_practica.sh: Script de shell para crear la estructura de carpetas necesaria para los scripts.

• requirements.txt: Lista de dependencias de Python necesarias para ejecutar los scripts.

• LICENSE: Archivo de licencia para el repositorio.

• CITATION: Archivo de citación para el repositorio.

Requisitos

Antes de ejecutar los scripts, asegúrate de tener instalado Python3 y las siguientes dependencias:

• matplotlib

• wordcloud

• requests

Puedes instalar las dependencias utilizando pip o con el archivo requirements.txt del repositorio como se indica en Configuracion en el paso 3 :

También necesitas tener Grobid instalado. Puedes encontrar instrucciones de instalación en el repositorio de Grobid (https://github.com/kermitt2/grobid) .

Configuracion

1. Clona el repositorio

   git clone https://github.com/malekit01/ciencia_abierta
   

2. accede a la carpeta ciencia_abierta

   cd ciencia_abierta
   

3. comprobar que las depedencias estan instaladas

   pip install -r requirements.txt
   

4. Ejecuta el script prev_practica.sh para crear la estructura de carpetas necesaria

   bash prev_practica.sh
   

5. Coloca tus archivos PDF de artículos científicos en la carpeta

   /ciencia_abierta/articulos_cientificos
   

   ya hay 5 articulos base que puede usar.

6. Ejecutar Grobid en otra terminal:

    docker run -t --rm -p 8070:8070 lfoppiano/grobid:0.7.2
   

   si prefieres usar solo una terminal añadir & al final del anterior comando

con estos pasos tendriamos la configuracion previa para poder ejecutar los programas.

Uso

Desde la carpeta ciencia_abierta :

1. Ejecuta lectroPDF.py para procesar los PDFs y generar archivos XML:

   python3 lectorPDF.py
   

2. Ejecuta creadorNubesPalabras.py para generar nubes de palabras a partir de los archivos XML:

   python3 creadorNubesPalabras.py
   

3. Ejecuta creadorFiguras.py para contar figuras y generar una gráfica:

   python3 creadorFiguras.py
   

4. Ejecuta extractorLinks.py para extraer enlaces de los archivos XML:

   python3 extractorLinks.py
   

Licencia

Este proyecto está licenciado bajo la [LICENCIA].

Citación

Si utilizas este repositorio en tu investigación, por favor cita este trabajo como se describe en [CITATION]

Notas

• El script prev_practica.sh debe ejecutarse antes de cualquier otro script para asegurar que la estructura de carpetas esté configurada correctamente.
• Los scripts asumen que los archivos PDF y XML están en los directorios especificados. Asegúrate de que los archivos existan y estén en los formatos correctos.
• Para un correcto funcionamiento de lectroPDF.py es necesario que Grobid este instalado y en funcionamiento.