PDF 转换为 CSV R答案

【问题标题】：PDF conversion to CSV RPDF 转换为 CSV R
【发布时间】：2018-02-20 12:01:26
【问题描述】：

我正在尝试将以下 PDF 加载到 R 中，并将表格转换为 CSV 文件。

我已经尝试了 library(pdftools) 和 library(tabulizer)，并且我花了一个下午浏览各种论坛，但我似乎没有找到适合我的答案。我可以使用以下代码将 PDF 加载到 R

x <- pdf_text("~/Desktop/PlantTraitAsia.pdf")

它上传得很好，但它根本不是我可以使用的表格。

这是 PDF 文件的链接：

http://vege1.kan.ynu.ac.jp/traits/PlantTraitAsia.pdf

我只想将表格上传到 R 中，保留标题，并能够将其导出为 TXT、CSV 或 XLS 文件。

感谢您的帮助

【问题讨论】：

事实上，x 在你的“示例”中——特别是x[2:34]——包含一些非常有用的数据，你只是想要魔术发生而不是解析固定宽度的行。而且，鉴于 David 为 tabulizer 展示的内容，我发现很难投资于您声称尝试过它的真实性。
您好，感谢您的回复。而且我知道从我写的内容中我得到了一些有用的东西，但还不足以让我知道如何处理数据集。此外，我确实花了很多时间在这个问题上，在论坛上花费了几个小时，而且因为我无法让它发挥作用，我觉得我最好问问。我并不是说它是“为我工作”，这是/是代表我提出的一个真正的问题

标签： r csv pdf pdftools tabulizer

【解决方案1】：

这在我的机器上运行良好：

zz <- tabulizer::extract_tables("http://vege1.kan.ynu.ac.jp/traits/PlantTraitAsia.pdf", pages = 2)
head(zz[[1]])

这会产生：

     [,1]  [,2]                      [,3]                    
[1,] "ID"  "Category\rof\rpermissio" "Species"               
[2,] "83"  "A"                       "Abies mariesii Masters"
[3,] "155" "A"                       "Abies mariesii Masters"
[4,] "225" "A"                       "Abies mariesii Masters"
[5,] "297" "A"                       "Abies mariesii Masters"
[6,] "369" "A"                       "Abies mariesii Masters"
     [,4]                                                                            [,5]         [,6]   
[1,] "Traits"                                                                        "Value"      "Notes"
[2,] "Maximum heighyt (m)"                                                           "18.17"      ""     
[3,] "Shade tolerance (min. relative\rlight intensity, %), Anderson\r1964. J. Ecol." "1.15"       ""     
[4,] "Length of fruit (mm)"                                                          "8"          ""     
[5,] "Pollination mode"                                                              "Anemophily" ""     
[6,] "Type of fruit"                                                                 "Wing-hair"  ""

仅获取标题（表格的第一行）：

zz[[1]][1,]

【讨论】：

嗨@David。有趣的是，我也尝试过类似这样的代码，来自以前的论坛，但在使用函数 extract_tables 时出现错误。我只在尝试代码之前打开库（tabulizer），我应该打开任何其他库吗？这是我得到的错误： .jcall("RJavaTools", "Ljava/lang/Object;", "invokeMethod", cl, : java.lang.NoSuchMethodError: java.lang.Integer.compare(II)I 和我尝试直接从我的机器加载 PDF，并得到同样的错误。
好的，这意味着您遇到了tabulizer 需要的rJava 问题。搜索一下关于 rJava 和安装的 SO，你应该找到解决方案
你好@大卫。我让 rJava 在我的 mac 上工作，但我仍然遇到与上面发布的相同的错误。我在这方面花了相当多的时间，我会在工作的 PC 上尝试一下，看看它是否适用于 PC，而不是在 Mac 上。