Converter PDF para BIBTEX

Pesquisadores recebem artigos como PDFs, mas precisam de registros .bib para citá-los em LaTeX, Overleaf ou em um banco de dados de referências compartilhado. O resultado útil são os metadados bibliográficos — autores, título, detalhes da publicação e DOI — e não uma conversão do layout das páginas do PDF.

Arquivos PDF e BibTeX

PDF (Portable Document Format) é um formato de documento de layout fixo criado pela Adobe e padronizado como ISO 32000. Editoras, universidades, empresas, scanners, aplicativos de escritório e navegadores da web usam PDF porque ele preserva a aparência visual, as fontes, as imagens e a paginação de um documento entre diferentes sistemas.

Um PDF acadêmico pode conter metadados fornecidos pela editora, texto selecionável, um DOI e informações de citação incorporadas. Um PDF digitalizado pode conter apenas imagens das páginas, portanto o software precisa primeiro aplicar OCR e depois inferir os metadados a partir do texto reconhecido.

BibTeX é um formato de banco de dados bibliográfico em texto simples usado nos fluxos de trabalho do BibTeX e BibLaTeX em LaTeX. Ele armazena entradas como @article, @book e @inproceedings, com campos que incluem author, title, journal, year, volume, pages, doi e url.

A extensão convencional é .bib; embora alguns softwares aceitem .bibtex, use .bib para obter a maior compatibilidade. Arquivos BibTeX podem ser editados em um editor de texto, rastreados no Git, mesclados com outras bibliotecas e citados por meio de chaves estáveis, como smith2024.

Extraia um registro com Zotero

Zotero é a opção desktop mais prática para PDFs acadêmicos individuais. Ele identifica artigos a partir de um DOI, metadados incorporados, dados da editora ou correspondência de título e, em seguida, exporta o registro resultante da biblioteca como BibTeX.

1. Arraste paper.pdf para a biblioteca do Zotero.
2. Clique com o botão direito no PDF e selecione Retrieve Metadata for PDF. O Zotero cria um item bibliográfico pai se identificar uma correspondência.
3. Compare o item criado com a primeira página do PDF e com a página de destino da editora ou do DOI.
4. Clique com o botão direito no item pai e selecione Export Item…; em seguida, escolha BibTeX e salve a saída como, por exemplo, references.bib. Para exportar vários registros, coloque-os em uma coleção e use File → Export Library… ou exporte a coleção.

Para obter chaves de citação automáticas e uma saída BibTeX ou BibLaTeX mais configurável, instale a extensão Better BibTeX do Zotero. Verifique a chave gerada antes de usá-la em um manuscrito, especialmente quando os nomes dos autores ou os anos de publicação estiverem incompletos.

cb2Bib é uma alternativa desktop útil para extrair detalhes de citações do texto de um PDF ou de texto copiado. É mais eficaz quando o PDF tem texto selecionável e um título, uma linha de autor, um DOI ou uma referência de periódico claros; revise a entrada proposta antes de salvá-la em um banco de dados .bib.

JabRef pode pesquisar metadados a partir de um DOI, ISBN, título ou PDF importado e, em seguida, salvar a biblioteca diretamente como um banco de dados BibTeX. Sua consulta de metadados é preferível à transcrição manual de uma citação, mas a entrada resultante ainda precisa ser verificada.

Use DOI e serviços de metadados online

Se o PDF mostrar um DOI, use esse DOI em vez de carregar o documento para um conversor desconhecido. Pesquise o DOI ou o título exato em search.crossref.org, verifique os autores, a publicação e o ano e, em seguida, copie ou baixe a citação BibTeX. Os metadados do Crossref são fornecidos por editoras e agências de registro, mas os registros ainda podem estar incompletos ou ser corrigidos após a publicação.

Muitos registros de DOI são compatíveis com a negociação de conteúdo BibTeX. Este comando solicita um registro BibTeX diretamente do resolvedor de DOI:

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

Substitua o DOI de exemplo pelo DOI do artigo. Inspecione o arquivo gerado, pois a chave de citação, o uso de maiúsculas no título, o intervalo de páginas e o tipo de entrada podem precisar de ajustes.

Google Scholar pode fornecer um registro alternativo: encontre o artigo exato, selecione o controle de citação com aspas Cite e escolha BibTeX. Scholar é útil para artigos sem DOI, mas seus metadados são agregados de várias fontes e não devem ser tratados como autoritativos. Não carregue PDFs não publicados, confidenciais ou protegidos por direitos autorais para um conversor web, a menos que os termos de privacidade permitam esse uso.

Processe digitalizações e lotes

Execute OCR antes de importar uma digitalização que contenha apenas imagens. Adobe Acrobat oferece All tools → Scan & OCR → Recognize text; a opção local de código aberto é:

ocrmypdf scan.pdf searchable.pdf

Importe searchable.pdf para o Zotero, cb2Bib ou JabRef após o OCR. O OCR pode interpretar incorretamente iniciais, hifens, nomes com acentos e DOIs; portanto, pesquise o DOI ou título recuperado nos metadados da editora, em vez de confiar apenas no texto do OCR.

Para grandes lotes de PDFs acadêmicos, GROBID extrai metadados estruturados de cabeçalhos e referências para TEI XML. Após iniciar seu serviço local, processe um arquivo com:

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

GROBID não cria diretamente um banco de dados BibTeX final a partir desse endpoint; é necessário um script de TEI para BibTeX ou um pipeline de metadados. Use-o quando a extração em lote justificar o esforço de configuração e validação.

Valide a entrada exportada

Um PDF não contém inerentemente uma entrada BibTeX. As ferramentas de identificação combinam metadados incorporados, texto extraído, consulta de DOI e correspondência de título; portanto, um registro aparentemente plausível pode descrever o trabalho errado ou conter campos incorretos.

Verifique o tipo de entrada; a grafia e a ordem dos autores; o título; o título do periódico, livro ou conferência; o ano; o volume; o número; as páginas ou o número do artigo; o DOI; e a URL. Use a página de destino do DOI ou a página da editora como verificação principal. Proteja siglas e o uso obrigatório de maiúsculas nos campos de título do BibTeX com chaves quando o estilo bibliográfico selecionado puder convertê-los para minúsculas, por exemplo title = {Methods for {PDF} and {LaTeX} Archives}.

BibTeX armazena metadados de citação, não o próprio PDF. Mantenha o PDF como um anexo do Zotero ou em uma pasta do projeto e mantenha um DOI ou uma URL estável da editora no registro .bib.