从 PDF 文件中提取文本数据 [英] Extracting text data from PDF files

查看:31
本文介绍了从 PDF 文件中提取文本数据的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

是否可以在 R 中解析 PDF 文件中的文本数据?有似乎不是用于此类提取的相关包,但有没有人尝试或见过这是在 R 中完成的吗?

Is it possible to parse text data from PDF files in R? There does not appear to be a relevant package for such extraction, but has anyone attempted or seen this done in R?

Python 中是 PDFMiner,但如果可能的话,我想将此分析全部保留在 R 中.

In Python there is PDFMiner, but I would like to keep this analysis all in R if possible.

有什么建议吗?

推荐答案

Linux 系统有 pdftotext,我用它取得了合理的成功.默认情况下,它从给定的 foo.pdf 创建 foo.txt.

Linux systems have pdftotext which I had reasonable success with. By default, it creates foo.txt from a give foo.pdf.

也就是说,文本挖掘包可能有转换器.快速 rseek.org 搜索 似乎与您疯狂的搜索一致.

That said, the text mining packages may have converters. A quick rseek.org search seems to concur with your crantastic search.

这篇关于从 PDF 文件中提取文本数据的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!

查看全文
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆