[英]R - iterate over pages in PDF
我有一系列包含各种数据表的PDF文件。 我只在每个文件中查找一个特定的表,我的目标是找到每个文件在哪个页面上。
我计划的方法是以某种方式遍历每个页面,阅读文本并确定它是否是我要查找的页面,如果是,则返回该页面编号,否则继续下一页。 我一直在研究PDFTools,但似乎没有一种循环浏览页面的方法。
有谁知道有任何R软件包可以帮助我实现这一目标,或者有没有更好的方法可以使用PDFTools做到这一点?
任何帮助都感激不尽!
我认为在PDFtools中,有一些方法可以提取文本数据,从而逐页创建“字符串”。 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
提取单词,您必须使用strsplit()
,然后创建每个页面的单词向量,并逐页查找该单词内的单词。 一旦与您的word
匹配,请收集最外面的循环索引号作为页数。
让我知道这是否对您有帮助。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.