我正在尝试从此处提供的 276 页 PDF 中抓取:https ://www.acf.hhs.gov/sites/default/files/documents/ocse/fy_2018_annual_report.pdf
文档不仅很长,而且还有不同格式的表格。我尝试使用 tabulizer 库中的 extract_tables() 函数。这成功地抓取了从文档第 143 页开始的数据表,但不适用于第 18-75 页上的表。这些页面是不可擦除的吗?如果是,为什么?
我收到错误消息,提示“列多于列名”和“不允许重复的 'row.names'”
child_support_scrape <- extract_tables(
file = "C:/Users/Jenny/Downloads/OCSE_2018_annual_report.pdf",
method = "decide",
output = "data.frame")