尝试在R中抓取PDF，我的代码将只抓取9页中的6页，并且我不确定为什么，我的代码中是否遗漏了什么？
尝试在R中抓取PDF，我的代码将只抓取9页中的6页，并且我不确定为什么，我的代码中是否遗漏了什么？
提问于 2019-01-04 19:28:56
我试着在R中抓取几个PDF2，PDF1有9页，PDF2有12页。当我运行下面的代码时，它抓取了两个PDF，但只到了第6页，之后就什么都没有了。这是有原因的吗？我的代码中缺少了什么吗？
library(tm)
read <- readPDF(engine = "xpdf", control = list(text = "-layout"))
document <- Corpus(URISource("C:\\Users\\Goku\\Documents\\Python Scripts\\PDF Scraping\\123.pdf"), readerControl = list(reader = read))
doc <- content(document[[1]])
head(doc)你可以在以下网址找到pdf：https://www.scribd.com/document/396797318/123
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-01-04 21:54:08
我不能复制你的问题。使用你的文档，我用两种方式阅读了12页的文本。检查它们是否相同也会产生true。
带有阅读器pdftools的tm：
library(tm)
read <- readPDF(engine = "pdftools", control = list(text = "-layout"))
document <- Corpus(URISource("396797318-123.pdf"), readerControl = list(reader = read))直接使用pdftools：
library(pdftools)
text <- pdf_text("396797318-123.pdf")检查它们是否相同：
tm_text <- as.vector(sapply(document, as.character))
identical(text, tm_text)
[1] TRUE
str(document)
List of 1
$ 396797318-123.pdf:List of 2
..$ content: chr [1:12] " Training and Development Policy\r\n Contents\r\"| __truncated__ "1.2 As a guiding principle, all staff must be offered appropriate and relevant\r\n development opportunitie"| __truncated__ " • Short Term Externally Provided Training (e.g. one or two day external\r\n courses)\r\n • Longer Term"| __truncated__ " are at no cost) together with periodic training bulletins informing employees of\r\n impending courses"| __truncated__ ...
..$ meta :List of 7
.. ..$ author : chr "leanne.cutts"
.. ..$ datetimestamp: POSIXct[1:1], format: "2014-02-28 17:57:34"
.. ..$ description : chr ""
.. ..$ heading : chr "Training and Development Policy"
.. ..$ id : chr "396797318-123.pdf"
.. ..$ language : chr "en"
.. ..$ origin : chr "PDFCreator Version 1.4.3"
.. ..- attr(*, "class")= chr "TextDocumentMeta"
..- attr(*, "class")= chr [1:2] "PlainTextDocument" "TextDocument"
- attr(*, "class")= chr [1:2] "VCorpus" "Corpus"页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54038102
复制相关文章
相似问题
腾讯云开发者
