使用R从PDF中删除数据
我想从这个PDF中提取数据(滑雪跳跃) 我对所有数据都感兴趣,除了bib、俱乐部和出生日期 我正在尝试使用pdftools库使用R从PDF中删除数据,r,pdf,web-scraping,screen-scraping,R,Pdf,Web Scraping,Screen Scraping,我想从这个PDF中提取数据(滑雪跳跃) 我对所有数据都感兴趣,除了bib、俱乐部和出生日期 我正在尝试使用pdftools库 pdf_text("raw/data.pdf") %>% strsplit(split = "\n") 我被困在这里。问题是列点(门补偿)有时为空,有时为空。我不知道该怎么处理 我想要的输出是这样的: Rank|Athlete |Nation|(...)|Jump_1|Round_1|Jump_2|Round_2|Tot_points 1 |KLI
pdf_text("raw/data.pdf") %>% strsplit(split = "\n")
我被困在这里。问题是列点(门补偿)有时为空,有时为空。我不知道该怎么处理
我想要的输出是这样的:
Rank|Athlete |Nation|(...)|Jump_1|Round_1|Jump_2|Round_2|Tot_points
1 |KLIMOV Evgeniy|RUS |(...)|127.5 |130 |131.5 |133.4 |263.4
有人可以帮我吗?请查看:
library(tidyverse)
text<-pdftools::pdf_text("http://medias4.fis-ski.com/pdf/2019/JP/3088/2019JP3088RL.pdf")
list<-str_remove_all(text,"\\X+?TOTAL\\s+RANK\n") %>%
str_trim() %>%
str_split("\n\\s{10,}(?=\\p{L})") %>%
modify_depth(1,~str_split(.x,"\\s{2,}") %>%
map(~.x[1:13] %>%
set_names(paste0("x",1:13)))
)
## Just the first page
df<-bind_rows(!!!list[[1]])
库(tidyverse)
文本%
str_split(“\n\\s{10,}(?=\\p{L})”)%>%
修改深度(1,~str\u split(.x,“\\s{2,}”)%>%
地图(~.x[1:13]]>%
设置名称(粘贴0(“x”,1:13)))
)
##就在第一页
df