ParsCit 是一个论文文本解析工具包，把论文PDF转换成txt以后，通过 ParsCit 可以识别出论文文本中对各个参考文献的引用位置，也可以对文本划分出其属于论文中的哪个成分（标题、摘要、正文等等）。

ParsCit 网站：https://parscit.comp.nus.edu.sg/index.html

代码Github： https://github.com/knmnyn/ParsCit

目前已经有了基于神经网络的新版本 Neural-ParsCit（ https://github.com/WING-NUS/Neural-ParsCit ），由于在使用中遇到点问题，暂且还是回归到旧版 ParsCit 来。

自带的安装说明比较简略，外加由于这里还用到了 Perl 完全没接触过，安装起来就比较困难。幸好找到一篇2019年的博文，而且专门针对 Ubuntu 16 上的安装做了详细说明，照着一路走下来还是比较顺利就安装成功了。

参考 https://ws-dl.blogspot.com/2019/07/2019-03-27-install-parscit-on-ubuntu.html

** 下载 ParsCit **

Download the source code from https://github.com/knmnyn/ParsCit and unzip it.

$ unzip ParsCit-master.zip

** 安装 c++ compiler ** 直接 g++ 试一下是否已有编译器，如果没有，则安装

$  sudo apt install g++

可以写一个简单的程序测试 g++ 是否好用（非必需步骤） To test it, write a simple program hello.cc and run

$ g++ -o hello hello.cc
$ ./hello

** 安装 ruby **

$ sudo apt install ruby-full

To test it, run

$ ruby --version

** 安装 Perl ** Perl一般随着Ubuntu自带了，to test it, run

$ perl --version

** 安装 Perl 模块 ** 首先运行【注意：我实测时中途会有一些报错说无操作权限创建man文件，建议下面这条命令用 sudo 来执行】

$ perl -MCPAN -e shell

按照提示一路默认值走下去，直到出现了如下的 CPAN 命令提示符：

cpan[1]>

然后按照下面输入命令，逐个安装相关的包：

cpan[1]> install Class::Struct
cpan[2]> install Getopt::Long
cpan[3]> install Getopt::Std
cpan[4]> install File::Basename
cpan[5]> install File::Spec
cpan[6]> install FindBin
cpan[7]> install HTML::Entities
cpan[8]> install IO::File
cpan[9]> install POSIX
cpan[10]> install XML::Parser
cpan[11]> install XML::Twig
（这一步会有一些需要确认的，按默认值走即可）
cpan[12]> install XML::Writer
cpan[13]> install XML::Writer::String

** 安装 CRF++ ** 在 ParsCit 的代码中内置了一份 CRF++ 0.51，首先进入到 crfpp 的文件夹里

$ cd crfpp/

解压 tar 文件

$ tar xvf crf++-0.51.tar.gz

进到 CRF++-0.51 目录中，下面命令均在此目录下

$ cd CRF++-0.51/

运行下面的命令

$ ./configure
$ make

会出现如下的错误提示

path.h:26:52: error: 'size_t' has not been declared
     void calcExpectation(double *expected, double, size_t) const;
                                                    ^
Makefile:375: recipe for target 'node.lo' failed
make[1]: *** [node.lo] Error 1
make[1]: Leaving directory '/home/jwu/github/ParsCit-master/crfpp/CRF++-0.51'
Makefile:240: recipe for target 'all' failed
make: *** [all] Error 2

修改一下 node.cpp 和 path.cpp 这两个文件，在文件的开头处添加两行include，添加之后效果如下：

#include "stdlib.h"   //新加这一行
#include <iostream>   //新加这一行
#include <cmath>   //以下原本就有
#include "path.h"
#include "common.h"

重新运行

$ ./configure
$ make

再运行

$ make clean
$ make

需要将编译生成的一些文件，复制到 parsCit 指定的位置，以便 parsCit 使用

// 在 CRF++-0.51 目录下运行
$ cp cp crf_learn crf_test ..
$ cd .libs  // 切换到 CRF++-0.51/.libs 下
$ cp -Rf * ../../.libs

** 大功告成 ** 测试下 ParsCit 能否使用，切换到 ParsCit 代码的根目录，再切换到 bin 目录

$ ./citeExtract.pl -m extract_all ../demodata/sample2.txt
$ ./citeExtract.pl -i xml -m extract_all ../demodata/E06-1050.xml

如果屏幕上有parse的输出结果，说明运行正常了。