Модуль предобработки текстовых материалов для журнала «Цифровые гуманитарные исследования»

Подготовка текстов

В журнале статьи публикуются с использованием LaTeX. В tex из docx тексты можно перевести с помощью pandoc:

pandoc -s paper.docx -o paper.tex

Однако, текстам на русском языке требуется дополнительная обработка, связанная с правильными тире и пробелами по правилам отечественной типографики. Модуль производит все нужные преобразования автоматически.

Примеры преобразований:

• с новым 1970-х гг. в XXI в.: → с~новым 1970"=х гг.~в~XXI в.:
• социально-экономические → социально"=экономические
• коллеги - на → коллеги — на
• В.И. Ленина → В.\,И. Ленина
• 1978-1984~гг. → 1978--1984~гг.

Кроме того, все \emph заменяются на \textit, потому что в системе стилей журнала \emph означает не курсив, а подчеркивание.

Установка

pip3 install cgi_processor

Использование

from cgi_processor import process_file, process_directory

# Обработка одного файла
process_file('example.tex')

# Обработка всех .tex файлов в папке
process_directory('./texts')

В результате исполнения этого кода в исходной папке появляется файл с тем же именем, но суффиксом _processed, например:

volodin.tex → volodin_processed.tex

Другие ресурсы

Веб-сервис с альтернативным функционалом (не полностью совпадающим с текущим) можно найти здесь. Репозиторий проекта.

Цитирование

@software{orekhov_2025_16956677,
  author       = {Orekhov, Boris},
  title        = {Модуль предобработки текстовых материалов для
                   журнала «Цифровые гуманитарные исследования»
                  },
  month        = aug,
  year         = 2025,
  publisher    = {Zenodo},
  version      = {v0.1.4},
  doi          = {10.5281/zenodo.16956676},
  url          = {https://doi.org/10.5281/zenodo.16956676},
}