我想从 pdf 文件中提取表格并在 R 中对其进行分析。我正在使用 tabulizer::extract_tables() 函数。
该表超过一页（第 6 至第 9 页）。当我使用 extract_table 函数时，我收到一个包含 12 个元素的列表对象。我想要的表格在元素out[[1]]中out[[4]]
问题是：我的表格在所有页面中都没有标题，并且文档有自己的标题。因此，该函数无法分隔正确的列数。该元素out[[1]]有 4 列，out[[2]]并且out[[3]]有 2 列和out[[4]]1 列。有没有办法至少在所有 4 个元素中获得正确数量的列？
代码：
library(tabulizer)
arquivo <- "1236_Pombos_PE.pdf"
out <- extract_tables(arquivo, output = "data.frame", encoding = "UTF-8")