解析文档中公式

[Wzixiao]

在"2003年春季高考（北京）数学（理）试题"这种文件中，文件内容中公式目前无法被提取，例如此文件中的第一题，
在 "https://huggingface.co/datasets/ranWang/questions_with_answers/viewer/ranWang--questions_with_answers/train?row=63" 在预览第一页第四个试卷中

方案1. https://github.com/breezedeus/Pix2Text/blob/main/README_en.md

[liyongsea]

@图北
思路1 word解析公式

• 检查我们的word文件里面是否包含可解析的xml结构
• 看一个国外的库https://github.com/zlqm/docx-equation

思路2 pdf或者图像转latex （entroppy）

• pix2text

[fzp0515]

• 任务：旧试卷（特指2017年以前的试卷，数学公式以equation editor 3.0 格式的docx）to latex
  • 背景：
    • 微软2007年以前使用第三方equation editor 3.0插件编辑公式
    • 2017年发现安全泄露弃用ee，使用omml（Office Math Markup Language）编辑公式
    • 旧试卷大多数都是ee编码公式，当前不转换只能得到wtf格式的图片
    • 公式ocr成本高，精度低
  • 任务分解思路：
    • 任务一：ee编码转omml
    • 任务二：omml编码公式的docx转latex
  • 状态：
    • 任务一四个方案均不可行，需要vba的技术支持
    • 任务二已完成

[fzp0515]

• 任务：旧试卷（特指2017年以前的试卷，数学公式以equation editor 3.0 格式的docx）to latex

  • 背景：

    • 微软2007年以前使用第三方equation editor 3.0插件编辑公式
    • 2017年发现安全泄露弃用ee，使用omml（Office Math Markup Language）编辑公式
    • 旧试卷大多数都是ee编码公式，当前不转换只能得到wtf格式的图片
    • 公式ocr成本高，精度低

  • 任务分解思路：

    • 任务一：ee编码转omml
    • 任务二：omml编码公式的docx转latex

  • 状态：

    • 任务一四个方案均不可行，需要vba的技术支持
    • 任务二已完成

任务一现在已尝试思路：

• 手动双击。通，但不可批处理，因公式位置未知，无法使用按键精灵方案
• 批处理软件multiDoc Converter。不通，ee编码公式直接变wtf图片。
• vba批处理。chatgpt给出的宏运行报错，需要技术支持。
• GrindEQ Utilities。提供Equation3-to-Equation服务。来源：https://www.grindeq.com/index.php?p=mathtype2equation&lang=en。收费，还没有尝试。

[liyongsea]

vba批处理。chatgpt给出的宏运行报错，需要技术支持。
-> 阿伟来帮忙看一下能不能写出来