如何从 .pdf 文件中正确提取所有表并将其写入 R 中的 .csv 文件？答案

【问题标题】：How to properly extract all the tables from a .pdf file and writing it in a .csv file in R?如何从 .pdf 文件中正确提取所有表并将其写入 R 中的 .csv 文件？
【发布时间】：2021-06-20 15:16:29
【问题描述】：

我正在从 PDF 中提取表格，并将其写入 csv 文件。当我执行代码时，表格没有正确写入 csv 文件。

这是我的代码：

library(tabulizer)

location <- 'http://keic.mica-pps.net/wwwisis/ET_Annual_Reports/Religare_Enterprises_Ltd/RELIGARE-2017-2018.pdf')

out <- extract_tables(location)

for(i in 1:length(out)) {
    write.table(out[i], file='Output.csv',append=TRUE, sep=",",quote = FALSE)
}

我附上了输出文件的屏幕截图。在那里你可以看到表格是不完整的。

任何帮助将不胜感激。

【问题讨论】：

这是另一个 SO Q&A，其中包含 Tabula 失败后的另一种提取方法：stackoverflow.com/questions/67489987/…

标签： r

【解决方案1】：

处理 pdf 文件可能非常困难，而且非常具体到您手头的文件。您可能需要进行大量调整才能以可用的格式获取数据。

查看示例 (https://github.com/b-rodrigues/stats_historiques/blob/master/stats_historiques.R) 和结果 (https://twitter.com/brodriguesco/status/1405995811863945223)

【讨论】：

【解决方案2】：

我在网上看到了这个：

tweets.df <- do.call("rbind", lapply(a, as.data.frame))

所以最好先有一个数据框，然后使用write.csv()。

【讨论】：