我正在尝试扫描许多文档,目的是将文本重新组织为标准格式。这涉及使用docxtractr
提取表格,使用textreadr
单独提取正文文本,或使用officer::docx_summary
标记正文和表格文本以便于操作。对于此问题,我使用officer::read_docx
和officer::docx_summary
。我使用的测试文档是.docx
,并且在包含文本和数字的表格之前和之后包含无意义文本。
我的代码是:
dir <- "C:/path/to/documents"
filenames <- list.files(path = dir, pattern = "*.docx", full.names = TRUE)
docxtest <- officer::docx_summary(lapply(filenames, officer::read_docx))
理想情况下,它会生成包含docx_summary
信息的数据框列表。我尝试在文件名列表中使用lapply
,但输出列表在尝试查看时出错:
Error in names[[i]]: subscript out of bounds.
答案 0 :(得分:1)
officer::read_docx
用于filenames <- list.files(path = dir, pattern = "*.docx", full.names = TRUE)
docxtest <- lapply(filenames, function(x) officer::docx_summary(officer::read_docx(x)) )
返回的对象,它不支持列表...
<mat-accordion [multi]="true">