Buaa Thesis Format Checking

工作流程

本skill采用Task工具分步执行，最后进行报告审核验证：

┌─────────────────────────────────────────────────────────────────┐
│  Step 1: PDF文本提取 (脚本)                                      │
│  使用 pypdf 提取论文内容，保存到 thesis_text_extracted.json       │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  Step 2: Agent执行格式检测                                       │
│  读取临时文件，并行执行14项检测                                  │
│  保存到 thesis_check_results.json                                │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  Step 3: Agent生成JSON报告 (脚本)                               │
│  读取检测结果，生成JSON格式报告用于审核                          │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│  Step 4: Agent审核报告准确性                                    │
│  核实检测结果是否准确，如有问题返回Step 2重新检测                │
│  一致后继续Step 5                                                │
└─────────────────────────────────────────────────────────────────┘
                              ↓
                    ┌───────────────────┐
                    │  审核通过?        │
                    └───────────────────┘
                      ↓ 是              ↓ 否
              ┌─────────────┐    ┌─────────────┐
              │ Step 5:     │    │ 返回Step 2  │
              │ 生成HTML报告 │    │ 重新检测    │
              └─────────────┘    └─────────────┘

使用方法

快速开始

当用户提供PDF文件路径时，执行：

python3 <skill_path>/scripts/thesis_audit_script.py <pdf_path> [output_dir] [--type cn|en]

Task执行步骤

Step 1: PDF文本提取（脚本直接执行）

python3 <skill_path>/scripts/thesis_audit_script.py --step1 <pdf_path> [output_dir]

Step 2: Agent执行格式检测

Agent提示词:

请执行以下命令进行14项格式检测：
```bash
python3 <skill_path>/scripts/thesis_audit_script.py --step2 <text_path> --type cn

**输出**: `thesis_check_results.json`

---

#### Step 3: Agent生成JSON报告

**Agent提示词**:

请执行以下命令生成JSON报告：

python3 <skill_path>/scripts/thesis_audit_script.py --step3-json <results_path> <pdf_path>

**输出**: `{论文名}_audit_report_{时间戳}.json`

---

#### Step 4: Agent审核报告准确性

**Agent提示词**:

请审核刚刚生成的JSON检测报告的准确性。

审核步骤

1. 读取JSON报告: {json_report_path}
2. 读取原始PDF: {pdf_path}

核实以下关键项

a. 空白页面: 报告说无空白页，是否正确？ b. 占位符: 报告说无占位符，是否正确？ c. 章节连续性: 5章是否完整？ d. 低内容页面:

• 第1页是封面，内容少正常
• 第74页是"攻读硕士学位期间取得的研究成果 - 无"，这是标准格式页面，不是问题 e. 未完成标记: 无"to be continued"等标记 f. 正文对齐: 表格页左对齐正常；正文大部分两端对齐 g. 行距: 核实实际行距

常见误报规避

• "攻读硕士学位期间取得的研究成果 - 无" - 这是正确格式
• 表格页的左对齐 - 表格格式本就如此
• 封面页内容少 - 封面本身就信息量少

输出审核结果

如果报告准确：

## 审核结论
✅ 审核通过
JSON报告: {json_report_path}

如果需要修正：

## 审核结论
⚠️ 需要修正
问题项: 1. xxx 2. xxx
建议: 返回Step 2重新检测

---

#### Step 5: 生成HTML报告（审核通过后）

**Agent提示词**:

审核已通过，请执行以下命令生成HTML报告：

python3 <skill_path>/scripts/thesis_audit_script.py --step3-html <results_path> <pdf_path>

**输出**: `{论文名}_audit_report_{时间戳}.html`

---

## 完整执行流程

1. TaskCreate - 创建任务
2. Step 1 (脚本) - 提取PDF文本
3. Step 2 (Agent) - 执行14项检测
4. Step 3 (脚本) - 生成JSON报告
5. Step 4 (Agent) - 审核报告准确性 ↓ 审核通过
6. Step 5 (脚本) - 生成HTML报告 ↓ 审核不通过 返回 Step 2 重新检测

---

## 脚本命令参考

```bash
# Step 1: 提取PDF文本
python3 thesis_audit_script.py --step1 thesis.pdf /output/dir

# Step 2: 执行格式检测
python3 thesis_audit_script.py --step2 thesis_text_extracted.json --type cn

# Step 3: 生成JSON报告（用于审核）
python3 thesis_audit_script.py --step3-json thesis_check_results.json thesis.pdf

# Step 4: 审核（由Agent执行）
# ...

# Step 5: 生成HTML报告（审核通过后）
python3 thesis_audit_script.py --step3-html thesis_check_results.json thesis.pdf

脚本结构

scripts/
├── thesis_audit_script.py   # 主入口，支持 --step1/2/3-json/3-html
├── extractors/
│   └── content.py          # PDF 内容提取
├── checks/                 # 各检测项模块
│   ├── blank_pages.py
│   ├── placeholders.py
│   ├── section_continuity.py
│   ├── low_content_pages.py
│   ├── incomplete_content.py
│   ├── transition_paragraphs.py
│   ├── urls_in_body.py
│   ├── arxiv_without_doi.py
│   ├── abstracts.py
│   ├── text_alignment.py
│   ├── figure_pages.py
│   ├── fonts.py
│   └── font_line_spacing.py
└── reports/
    └── generator.py         # JSON和HTML报告生成

依赖要求

pip install pypdf pymupdf

注意事项

1. PDF限制: PDF文本提取可能无法获取精确字体信息
2. 标准格式页面: "攻读硕士学位期间取得的研究成果 - 无"是正确格式
3. 表格页对齐: 表格左对齐是正常格式，不是问题

参考文档

• 规范文档: references/Chapter-3-Writing-Standard-and-Printing-Styles.md
• 官方撰写规范: references/附件1：北京航空航天大学研究生学位论文撰写规范.pdf