我有一大组.doc文件，它们在一组相应的数据集中提供变量。我想在R中扫描这些数据集并查看哪些数据集包含感兴趣的变量。我以前在使用readLines的纯文本文件上做过这个，但这对.doc文件不起作用。
我已经下载了tm软件包，它应该能够使用readDOC命令读取.doc文件，但是说明非常有限，我无法让它工作。有谁知道如何使用readDOC命令或有另一个建议如何在R中执行此操作？ 谢谢！
非常感谢大家的回复和建议。我认为R可能很容易设置为读取.doc文件，但从你的说法我认为最简单的方法是首先将所有word文件转换为另一种格式。我刚刚下载了一些名为“Convert Doc”的免费软件，我将所有单词文档存储在一个文件夹中，并将它们全部放到.txt文件中。现在我可以自动进行搜索，因为我有大约100个数据文件，附带指定变量编码的单词文档，在每个数据文件中并不总是相同（例如，是/否，有些使用0/1，其他使用1/2）所以这允许我找到正确的变量并使用readLines，grep和更多的文本处理来存储其编码。谢谢！
答案 0 :(得分：4)
您的策略取决于您对文档的处理方式，以及文档结构的重要性。
如果结构很重要，那么您可以将Word文档转换为HTML，然后使用XML包提取相关部分。如果结构不重要，那么将它们转换为纯文本并使用readLines（如前所述）导入它们可能是更好的选择。
第一个转换步骤将是棘手的部分。您可以通过右键单击并选择＆＃34;另存为＆＃34;手动执行此操作，这是少数文件最简单的技术。
在R中，您可能需要通过RDCOMClient package执行涉及COM连接的操作。这通常是繁琐的。
尽管我讨厌建议使用VBScript做任何事情，但对于这项任务而言，它可能比R更好，所以考虑使用该语言进行重新保存。
答案 1 :(得分：2)
试试＆＃39; read_docx＆＃39;来自qdapTools＆＃39;封装