今天给大家介绍一个可以读取pdf文件信息的R包pdftools。此包基于Poppler库(https://poppler.freedesktop.org/)进行解析pdf文件。在这里我们就不深入剖析这个Poppler库了,直接看下pdftools包的使用。首先是包的安装:
install.packages(“pdftools”)
install.packages("tesseract")
接下来我们直接通过实例来看下包的相关功能:
##pdf文件的载入
pdf_file <- file.path(R.home("doc"),"NEWS.pdf")
##基础信息获取
info <-pdf_info(pdf_file)
text <-pdf_text(pdf_file)
data <-pdf_data(pdf_file)##读取pdf中每个文本的坐标及对应的文本