【发布时间】：2023-04-06 20:39:01
【问题描述】：
使用 pdftools 库，我只能提取 3 页 30 页的 pdf 文件。 可能是什么问题？如何从所有页面中提取文本？前 3 页包含普通文本，许多其他页面包含表格列
【问题讨论】：
【发布时间】：2023-04-06 20:39:01
【问题描述】：
您可以通过将 pdf 转换为图像格式，然后执行 OCR 部分来做到这一点。 More info
使用pdftools 包中的pdf_convert 函数
pngText <- pdftools::pdf_convert('https://jeroen.github.io/images/ocrscan.pdf', dpi = 600)
那么，
text <- tesseract::ocr(pngText)
cat(text)
让我知道这是否有效。
【讨论】：