如何将.doc文件读入R [重复]

Question

因此，为了享受周末的乐趣，我决定尝试将 Microsoft Word .doc 文件读入 R。具体来说，我有以下 PDF 的 .doc 文件版本：

http://www.queensu.ca/rarc/services/ASDAssessmentTemplate/AAA/AQ_Scoring_Key.pdf

我想做的是将表格提取到 R 中的数据框之类的东西中。现在我的初步调查让我相信“tm”包可能很方便，但我似乎无法理解上班。

像往常一样，如果有任何帮助，我们将不胜感激。

编辑：此问题要求读取 .doc 文件的具体步骤（即代码），因此与已链接为副本的问题不重复。

Answer 1

这是一个如何从 doc/docx 文件中提取简单表格的示例：

require(XML)
download.file(url = "https://www.dropbox.com/s/36ydzz98beluhj8/test.docx?dl=1", 
              destfile = file.path(tempdir(), "test.docx"),
              mode = "wb")
unzip(file.path(tempdir(), "test.docx"), exdir = tempdir()) 
doc <- xmlParse(file.path(tempdir(), "word", "document.xml") )
df <- 
  as.data.frame(
    matrix(
      xpathSApply(doc, "//w:tbl/w:tr/w:tc", xmlValue), 
      ncol = length(getNodeSet(doc, "//w:tbl/w:tr[1]/w:tc")), 
      nrow =  length(getNodeSet(doc, "//w:tbl/w:tr")),
      byrow = TRUE
    )
)

df
#   V1 V2 V3
# 1     2  3
# 2  4  5  6
# 3  7     9

根据您的需要进行调整。