Question

我在一个文件夹 ("C:/Users/Documents/files_i_want") 中有许多 pdf 文件（这些文件是“扫描的”）。 PDF 的文件如下所示： https://jeroen.github.io/images/ocrscan.pdf

所有的pdf文件都有不同的名字。我正在尝试使用以下命令将它们全部导入 R：pdftools::pdf_convert

library(pdftools) 
    library(tesseract)

#Get the path of filenames

filenames <- list.files("C:/Users/Documents/files_i_want", full.names = TRUE)

#Read them in a list

list_data <- lapply(filenames,  pdftools::pdf_convert)

#Name them as per your choice (df_1, df_2 etc)

names(list_data) <- paste('df', seq_along(filenames), sep = '_')

#Create objects in global environment.

list2env(list_data, .GlobalEnv)

这将返回以下错误：

Error in names(list_data) <- paste("df", seq_along(filenames), sep = "_") : 
  'names' attribute [1] must be the same length as the vector [0]

有谁知道为什么会产生这个错误？

谢谢

更新

我想出了如何从文件夹上传所有 pdf：

library(pdftools)
library(tesseract)

directory <- "C:/Users/OneDrive/Documents/files_i_want"

file.list <- paste(directory, "/",list.files(directory, pattern = "*.pdf"), sep = "")

b = lapply(file.list, FUN = function(files) {
    pdf_convert(files, format = "jpeg")
})

a = data.frame(file.list)

现在，我必须弄清楚如何在对象“a”中的每个“条目”上应用以下函数，例如“i”代表对象“a”中的每个“条目”（目标是创建“text_1”和“text_2”，例如text_1 <- tesseract::ocr(a[1, "file.list"]) ）

convert_function <- function(i){
text_i <- tesseract::ocr(i)
}

Answer 1

你可以试试这个代码 -

data <- lapply(sub('pdf$', 'jpeg', file.list),  tesseract::ocr)
names(data) <- paste0('text', seq_along(data))
list2env(data, .GlobalEnv)

R 错误：“名称”属性 [1] 的长度必须与向量 [0] 的长度相同

1 个答案: