R 使用pdftools将批量pdf转换为文本

我打算把1000个PDF转换成文本进行数据分析。我正在使用pdftools软件包

我已经能够使用以下代码转换2 pdf：

library(pdftools)
file_list <- list.files('pdf', full.names = TRUE, pattern = 'pdf')

for(i in 1:length(file_list)){
  temp <- pdf_text(file_list[i])
  temp <- tolower(temp)

  file_name = paste(file_list[i], '.txt')
  sink(file_name)
  cat(temp)
  sink()

}

另外，我希望最后的文本文件是“file_name.txt”，现在我得到的是“file_name.pdf.txt”

谢谢，

库（pdftools）
library(pdftools)
library(purrr)

setwd("/tmp/test")

file_list <- list.files(".", full.names = TRUE, pattern = '.pdf$')

s_pdf_text <- safely(pdf_text) # helps catch errors

walk(file_list, ~{                                     # iterate over the files

  res <- s_pdf_text(.x)                                # try to read it in
  if (!is.null(res$result)) {                          # if successful

    message(sprintf("Processing [%s]", .x))

    txt_file <- sprintf("%stxt", sub("pdf$", "", .x))  # make a new filename

    unlist(res$result) %>%                             # cld be > 1 pg (which makes a list)
      tolower() %>%                                    
      paste0(collapse="\n") %>%                        # make one big text block with line breaks
      cat(file=txt_file)                               # write it out

  } else {                                             # if not successful
    message(sprintf("Failure converting [%s]", .x))    # show a message
  }

})

图书馆（purrr）
setwd（“/tmp/test”）
文件_list%#制作一个带有换行符的大文本块
cat（file=txt#u file）#写出来
}否则{#如果不成功
消息（sprintf（“转换[%s]，.x]失败”）#显示消息
}
})

Thanks@hrbrmstr! 然而，我只能转换1000个pdf中的20个。我尝试过使用另一个代码（见下文），但是使用了txt。我得到的文件正在破坏字符（我所有的文件都是西班牙语的，所以我有多个特殊字符´´ñ，í，ó，ú”，我需要所有字符都是小写）pdf_文件0{for（我在pdf_文件中）{system（粘贴（粘贴（''”，getwd（），'/xpdf/bin64/pdftotext.exe'，sep=''），paste0（“”，i，“”）），wait=FALSE）}cat（“\n转换为文本完成。\n\n”）不幸的是，人们实际上不可能为您编写所有代码。

stringi

包具有

stri_trans_tolower（）

，这有助于从不同字符集进行翻译。

library(pdftools)
library(purrr)

setwd("/tmp/test")

file_list <- list.files(".", full.names = TRUE, pattern = '.pdf$')

s_pdf_text <- safely(pdf_text) # helps catch errors

walk(file_list, ~{                                     # iterate over the files

  res <- s_pdf_text(.x)                                # try to read it in
  if (!is.null(res$result)) {                          # if successful

    message(sprintf("Processing [%s]", .x))

    txt_file <- sprintf("%stxt", sub("pdf$", "", .x))  # make a new filename

    unlist(res$result) %>%                             # cld be > 1 pg (which makes a list)
      tolower() %>%                                    
      paste0(collapse="\n") %>%                        # make one big text block with line breaks
      cat(file=txt_file)                               # write it out

  } else {                                             # if not successful
    message(sprintf("Failure converting [%s]", .x))    # show a message
  }

})