Question

我正在尝试从pdf中提取数据，该文件位于https://www.dol.gov/ui/data.pdf。我感兴趣的数据在PDF的第4页，是初始索赔（NSA）的3个观察结果，保险失业（NSA）的3个观察结果，以及最近一周使用的覆盖就业（脚注2）。

我已经使用pdftools将PDF读入R，但生成的文本输出非常难看（由于PDF的性质，有点可以预期）。有什么办法可以从这个文本输出中提取特定数据吗？我相信数据将始终在输出中的相同位置，这是有帮助的。

我正在查看的输出可以通过以下脚本看到：

library(pdftools)

download.file("https://www.dol.gov/ui/data.pdf", "data.pdf", mode="wb")

uidata <- pdf_text("data.pdf")
uidata[4]

我搜索过类似问题的人并且使用scan（）和grep（）进行了调整，但似乎无法找到一种方法来从文本输出中分离和提取我需要的数据。如果有人偶然发现并且可以指出我正确的方向，请提前感谢 - 如果不是，我会试图解决这个问题！

Answer 1

使用public void TestMethod5() { using (SqlConnection connection = new SqlConnection(ConnectionString)) { var dictionary = new object[] { "TRN001","TR001"} .Select((item, ind) => new { ind = ind.ToString(), item }) .ToDictionary(item => item.ind, item => item.item); DynamicParameters p = new DynamicParameters(dictionary); Train train = connection.Query<Train>("Trains.Awesomesauce", param: p, commandType: CommandType.StoredProcedure).FirstOrDefault<Train>(); } }和一点regex，您可以将所需的一切都变成可用的结构：

grep

您仍然需要解析这些数字，但至少它是可用的。

从PDF的特定位置提取数据？

1 个答案: