r - 从多个 PDF 文件中提取文本到结构化数据表

Question

我是这个平台的新手，希望有人可以帮助我。

我已经使用 pdftools 库将一些 pdf 文件导入 Rstudio。现在我想制作这个文本的结构化列。我似乎无法使结构正确。

这是我导入的一个添加文件的示例。我想在数据表中制作黄色阴影线。

这是我最终想要的结果。

现在我已经输入了下面的代码，但我无法将它放入数据表中。

library(pdftools)
library(stringr)
library(dplyr)

# load the PDF-files into Rstudio
files <- list.files(pattern = "pdf$", full.names = TRUE)

# make a list of the PDF-files
filestext <- lapply(files, pdf_text)

# remove "\n"
filestext <- str_split(filestext, pattern = "\n")

这是我得到的结果：

有谁知道解决这个问题的最简单方法？

Answer 1

我也会给https://sensible.so一个机会。我们有一些很棒的文档和一个免费的计划，专门用于这样的项目。另外，当您注册时，有一些教程可以帮助您了解如何提取不同类型的数据。我敢打赌，您可以立即将其提取到一个干净的 JSON 对象中。