Я пытаюсь извлечь текст таблицы из файла PDF, который написан на корейском языке. Я использовал библиотеку с именем tabulizer для извлечения текста.
Так что мой код
library(pdftools)
library(tidytext)
library(dplyr)
library(janeaustenr)
library(rJava)
library(tabulizer)
library(tidyverse)
setwd("C:/Users/user/Desktop/Test") #This is my directory which contain pdf files.
files <- list.files(pattern = "pdf$")
f2 <- files[6]
e <- extract_text(f2,pages = 25,encoding = 'UTF-8')
Но проблема в таблице, которая в файле pdf, шаблон мне не подходит. Я хочу извлекать данные по вертикали, однако, функция extract_text создает строки по горизонтали
Вот результат, который произошел с extract_text:
나. 집합투자기구에 부과되는 보수 및 비용 \r\n구분 \r\n지급비율(연간, %) \r\n지급시기 \r\nC(수수료미징\r\n구-오프라인) \r\nW(수수료미징\r\n구-오프라인-\r\n랩) \r\ne(수수료미징구\r\n-온라인) \r\nI(수수료미징구-\r\n오프라인-기관) \r\nC-P(수수료미\r\n징구-오프라인-\r\n개인연금) \r\nC-P2(수수료미\r\n징구-오프라인-\r\n퇴직연금) \r\n집합투자업자 보수 0.46 0.46 0.46 0.46 0.46 0.46 \r\n매 3개월 \r\n판매회사 보수 1.00 0.00 0.98 0.03 0.95 0.85 \r\n수탁회사 보수 0.025 0.025 0.025 0.025 0.025 0.025 \r\n일반사무관리회사 보\r\n수 \r\n0.005 0.005 0.005 0.005 0.005 0.005 \r\n총 보수 1.49 0.49 1.47 0.52 1.44 1.34 - \r\n기타비용 0.002 0.002 0.002 0.002 0.002 0.002 사유 발생 시 \r\n총 보수․비용 1.492 0.492 1.472 0.522 1.442 1.342 - \r\n(동종유형 총 보수) 1.59 - 1.22 - - - - \r\n총 보수․비용 \r\n(피투자 집합투자기구 보수 포함) 1.493 0.493 1.473 0.523 1.443 1.343 - \r\n증권거래비용 0.107 0.108 0.105 0.108 0.106 0.104 사유 발생 시 \r\n구분 지급비율(연간, %) 지급시기 \r\n"
А более конкретно я прикрепил изображение захвата.
Опять же, я хочу извлечь что-то вертикальное (красный круг), но extract_text организует его горизонтально (синий круг)
Также, если вы знаете Как организовать текст, например {cat(e, sep="\n")}, пожалуйста, оставьте комментарий, потому что, используя функцию cat, я не могу содержать результат в переменных, он автоматически дает мне вывод, и у меня нет выбора содержать эти значения ... но я хочу, чтобы все было четко организовано и «Каждый раз, когда я хочу получить некоторую информацию I go для переменных контейнера, затем получить информацию ..» << это то, что мне нужно </p>