Konversi PDF menjadi BIBTEX

Peneliti menerima artikel dalam bentuk PDF, tetapi memerlukan record .bib untuk mengutipnya di LaTeX, Overleaf, atau database referensi bersama. Hasil yang berguna adalah metadata bibliografis—penulis, judul, detail publikasi, dan DOI—bukan konversi tata letak halaman PDF.

File PDF dan BibTeX

PDF (Portable Document Format) adalah format dokumen dengan tata letak tetap yang dibuat oleh Adobe dan distandardisasi sebagai ISO 32000. Penerbit, universitas, bisnis, scanner, aplikasi perkantoran, dan browser web menggunakan PDF karena format ini mempertahankan tampilan visual dokumen, font, gambar, dan penomoran halaman di berbagai sistem.

PDF akademik dapat berisi metadata yang disediakan penerbit, teks yang dapat dipilih, DOI, dan informasi sitasi yang disematkan. PDF hasil pemindaian mungkin hanya berisi gambar halaman, sehingga software harus terlebih dahulu menerapkan OCR, lalu menyimpulkan metadata dari teks yang dikenali.

BibTeX adalah format database bibliografi teks biasa yang digunakan dalam workflow BibTeX dan BibLaTeX di LaTeX. Format ini menyimpan entri seperti @article, @book, dan @inproceedings, dengan field termasuk author, title, journal, year, volume, pages, doi, dan url.

Ekstensi konvensionalnya adalah .bib; meskipun beberapa software menerima .bibtex, gunakan .bib untuk kompatibilitas yang paling luas. File BibTeX dapat diedit di text editor, dilacak di Git, digabungkan dengan library lain, dan dikutip melalui key stabil seperti smith2024.

Ekstrak record dengan Zotero

Zotero adalah opsi desktop yang paling praktis untuk PDF akademik individual. Zotero mengidentifikasi paper berdasarkan DOI, metadata yang disematkan, data penerbit, atau pencocokan judul, lalu mengekspor record library yang dihasilkan sebagai BibTeX.

1. Seret paper.pdf ke library Zotero.
2. Klik kanan PDF tersebut dan pilih Retrieve Metadata for PDF. Zotero membuat item bibliografis induk jika menemukan kecocokan.
3. Bandingkan item yang dibuat dengan halaman pertama PDF serta halaman publisher atau DOI.
4. Klik kanan item induk dan pilih Export Item…, lalu pilih BibTeX dan simpan output sebagai, misalnya, references.bib. Untuk mengekspor beberapa record, masukkan record tersebut ke dalam collection dan gunakan File → Export Library… atau ekspor collection.

Untuk citation key otomatis dan output BibTeX atau BibLaTeX yang lebih dapat dikonfigurasi, instal ekstensi Better BibTeX untuk Zotero. Periksa key yang dihasilkannya sebelum menggunakannya dalam manuskrip, terutama ketika nama penulis atau tahun publikasi tidak lengkap.

cb2Bib adalah alternatif desktop yang berguna untuk mengekstrak detail sitasi dari teks PDF atau teks yang disalin. Software ini paling efektif ketika PDF memiliki teks yang dapat dipilih dan judul, baris penulis, DOI, atau referensi jurnal yang jelas; tinjau entri yang diusulkan sebelum menyimpannya ke database .bib.

JabRef dapat mencari metadata dari DOI, ISBN, judul, atau PDF yang diimpor, lalu menyimpan library secara langsung sebagai database BibTeX. Pencarian metadata lebih baik daripada menyalin sitasi secara manual, tetapi entri yang dihasilkan tetap perlu diverifikasi.

Gunakan layanan metadata DOI dan online

Jika PDF menampilkan DOI, gunakan DOI tersebut alih-alih mengunggah dokumen ke converter yang tidak dikenal. Cari DOI atau judul persisnya di search.crossref.org, verifikasi penulis, publikasi, dan tahun, lalu salin atau download sitasi BibTeX. Metadata Crossref disediakan oleh penerbit dan agensi registrasi, tetapi record tetap dapat tidak lengkap atau diperbaiki setelah publikasi.

Banyak registry DOI mendukung content negotiation BibTeX. Command ini meminta record BibTeX langsung dari DOI resolver:

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

Ganti DOI contoh tersebut dengan DOI paper. Periksa file yang dihasilkan karena citation key, kapitalisasi judul, rentang halaman, dan entry type mungkin perlu disesuaikan.

Google Scholar dapat menyediakan record cadangan: temukan paper yang tepat, pilih kontrol tanda kutip Cite, lalu pilih BibTeX. Scholar berguna untuk paper tanpa DOI, tetapi metadatanya dikumpulkan dari berbagai sumber dan tidak boleh dianggap sebagai sumber otoritatif. Jangan mengunggah PDF yang belum dipublikasikan, rahasia, atau berhak cipta ke web converter kecuali ketentuan privasinya mengizinkan penggunaan tersebut.

Proses scan dan batch

Jalankan OCR sebelum mengimpor scan yang hanya berisi gambar. Adobe Acrobat menyediakan All tools → Scan & OCR → Recognize text; opsi open-source lokalnya adalah:

ocrmypdf scan.pdf searchable.pdf

Impor searchable.pdf ke Zotero, cb2Bib, atau JabRef setelah OCR. OCR dapat salah membaca inisial, tanda hubung, nama beraksen, dan DOI, jadi cari DOI atau judul yang dipulihkan berdasarkan metadata penerbit, alih-alih hanya mempercayai teks OCR.

Untuk batch PDF akademik berukuran besar, GROBID mengekstrak metadata header dan referensi terstruktur ke TEI XML. Setelah memulai service lokalnya, proses file dengan:

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

GROBID tidak secara langsung membuat database BibTeX yang sudah selesai dari endpoint tersebut; diperlukan script TEI-to-BibTeX atau pipeline metadata. Gunakan GROBID ketika ekstraksi batch sebanding dengan upaya setup dan validasi yang diperlukan.

Validasi entri yang diekspor

PDF tidak secara inheren berisi entri BibTeX. Tool identifikasi menggabungkan metadata yang disematkan, teks yang diekstrak, pencarian DOI, dan pencocokan judul, sehingga record yang terlihat masuk akal dapat menggambarkan karya yang salah atau berisi field yang tidak benar.

Periksa entry type; ejaan dan urutan penulis; judul; judul jurnal, buku, atau konferensi; tahun; volume; issue; halaman atau nomor artikel; DOI; dan URL. Gunakan halaman DOI atau halaman penerbit sebagai pemeriksaan utama. Lindungi akronim dan kapitalisasi yang diperlukan dalam field judul BibTeX dengan kurung kurawal ketika style bibliografi yang dipilih mungkin mengubahnya menjadi huruf kecil, misalnya title = {Methods for {PDF} and {LaTeX} Archives}.

BibTeX menyimpan metadata sitasi, bukan PDF itu sendiri. Simpan PDF sebagai attachment Zotero atau di folder project, dan pertahankan DOI atau URL penerbit yang stabil dalam record .bib.