一次读取多个 pdf 文件并使用 R 提取包含关键字的句子答案

【问题标题】：Read multiple pdf files at once and extract sentences that contain a keyword using R一次读取多个 pdf 文件并使用 R 提取包含关键字的句子
【发布时间】：2019-09-26 14:48:09
【问题描述】：

假设我在一个目录中存储了几个 pdf 文件，我想一次性读取所有这些 pdf 文件并提取所有包含特定关键字（在本例中为“provisions”）的句子，而不是手动打开每个文件并寻找那个关键字。

我已尝试阅读这些文件，但如何让 R 浏览每个 pdf 文件以搜索该关键字并输出这些句子？这是我写的一小部分：

library(pdftools)
files <- list.files("filepath",pattern = "pdf$", full.names = TRUE)
comb <- lapply(files, pdf_text)

为了文件参考，pdf文件的链接是：

<https://www.supremecourt.gov/opinions/14pdf/13-1314_3ea4.pdf> 
<https://www.supremecourt.gov/opinions/14pdf/14-7955_aplc.pdf>
<https://www.supremecourt.gov/opinions/14pdf/14-46_bqmc.pdf>

我已经创建了一个目录并将 pdf 文件保存在其中。

【问题讨论】：

标签： r pdf text-mining

【解决方案1】：

问题的更新：我找到了可以使用以下代码实现的解决方案：

install.packages("textreadr")
install.packages("tidyverse")
install.packages("pdfsearch")
library(textreadr)
library(tidyverse)
library(pdfsearch)

dirct <- directory_path
result <- keyword_directory(dirct, 
                            keyword = 'input_the_keyword_you_want_to_extract',
                            surround_lines = 0, full_names = TRUE)
head(result$line_text, n = 20)

【讨论】：

这是我一段时间以来一直在尝试做的完美解决方案。