下面的代码从PDF中提取表格。
install.packages("tabulizer"); install.packages("tidyverse")
library(tabulizer); library(tidyverse)
n_tables <- extract_tables("filename.pdf") %>% length()
然而,这需要永远做到这一点。我们是否可以绕过实际的表格提取步骤,直接使用tabulizer或任何其他R包从pdf中获取表格计数?
发布于 2018-08-22 01:55:49
原始制表器开发者在这里:不。该算法逐页工作,识别表并提取它们。提取本身并不昂贵-它的识别是耗时的。
这个包和底层的Tabula Java库之所以存在,是因为PDF规范中没有“表”的内部表示,这与HTML或docx不同。PDF中的表格只是字形的排列,在人眼看来就像是表格。因此,无法快速查询表或所有表的列表,因为文件中不存在这样的列表。
如此简短,令人失望的答案是:不。
https://stackoverflow.com/questions/51954141
复制相似问题