用途：GROBID（GeneRation Of BIbliographic Data）是开源工具，用于把学术 PDF 解析为结构化 XML/TEI，提取元数据、正文、参考文献和图表，弥补 PDF 只记录版面而无语义结构的问题。
主要能力：提供 /api/processFulltextDocument（全文）、/api/processHeaderDocument（仅元数据）、/api/processReferences（参考文献）、/api/processCitation（引用字符串）、/api/processDate（日期字符串）等接口，支持 consolidateHeader、consolidateCitations 等 Crossref 校核参数；输出 TEI XML 可进一步解析标题、作者、摘要、DOI、章节段落和参考文献列表。
使用方式：推荐 Docker 安装并运行服务（默认 http://localhost:8070，控制台 /console）：docker pull grobid/grobid:0.8.1；docker run --rm --init --ulimit core=0 -p 8070:8070 grobid/grobid:0.8.1。也可从源码构建：git clone https://github.com/kermitt2/grobid.git，然后 ./gradlew clean install 与 ./gradlew run。调用示例：curl -v --form input=@paper.pdf http://localhost:8070/api/processFulltextDocument -o paper.tei.xml。可用 Python requests 封装客户端并解析 TEI。
适用场景：知识库构建、系统综述、文献分析等需要结构化论文数据的下游流程；大批量处理时建议 4-8 并发，并保存 TEI 与 JSON。
限制：GROBID 不是 OCR，扫描件需先用 Tesseract 等 OCR；对损坏或异常排版 PDF 可能失败，需异常处理并抽样校验；各版本解析精度不同，建议保持更新。价格、平台或更详细收费信息暂未提供。