R语言文本挖掘 |pdf文档的导入、分词与词频统计

本文主要以R语言中的readtext、jiebaR、dplyr包为例，介绍如何对pdf文档进行导入、分词与词频统计。

使用“十四五”文化和旅游发展规划 的pdf文档作为演示文本数据，数据可在网上自行下载，或使用其他pdf文档替代。在数据处理的过程中，主要用到readtext包导入数据，jiebaR包进行分词，dplyr包进行词频统计。readtext() 函数返回一个数据框，其中doc_id为文件名称，text为文本内容，即需要进行分词的文本数据。

setwd("C:\\Users\\Acer\\Desktop")
#install.packages("readtext")
#install.packages("jiebaR")