R - 遍历PDF中的页面

时间:2017-01-19 14:27:33

标签: r loops pdf

我有一系列包含各种数据表的PDF文件。我只是在每个文件中寻找一个特定的表,我的目标是找到每个文件的页面。

我计划的方法是以某种方式迭代每个页面,阅读文本并确定它是否是我正在寻找的页面,如果是,则返回该页码,否则继续下一页。我一直在研究PDFTools,但看起来没有办法在页面中循环。

有没有人知道任何可以帮助我实现这一目标的R软件包,还是有更好的方法可以用PDFTools做到这一点?

任何帮助将不胜感激!

1 个答案:

答案 0 :(得分:0)

我认为在PDFtools中有一些方法可以提取逐页创建“字符串”的文本数据。因此代码可能如下所示:

library(pdftools)
txt <- pdf_text("something.pdf")

现在:

# first page text
txt[1]
txt[2] etc.

为了从每个string中提取单词,您必须使用strsplit(),然后创建每个页面的单词向量,并逐页查找并逐字逐句查找。一旦与您的word匹配,就将最外面的循环索引号收集为页数。

请告诉我这是否有助于您的目的。