一次读取多个pdf文件并使用R提取包含关键字的句子

Question

假设我在一个目录中存储了几个 pdf 文件，我想一次读取所有这些 pdf 文件并提取所有包含特定关键字的句子（在本例中为 'provisions'），而不是手动打开每个文件并查找该关键字。

我已经尝试阅读这些文件，但如何让 R 遍历每个 pdf 文件来搜索该关键字并输出那些句子？这是我写的一小段：

library(pdftools)
files <- list.files("filepath",pattern = "pdf$", full.names = TRUE)
comb <- lapply(files, pdf_text)

出于文件参考目的，pdf 文件的链接是：

<https://www.supremecourt.gov/opinions/14pdf/13-1314_3ea4.pdf> 
<https://www.supremecourt.gov/opinions/14pdf/14-7955_aplc.pdf>
<https://www.supremecourt.gov/opinions/14pdf/14-46_bqmc.pdf>

我创建了一个目录并将pdf文件保存在其中。

Answer 1

问题更新：我找到了可以通过以下代码实现的解决方案：

install.packages("textreadr")
install.packages("tidyverse")
install.packages("pdfsearch")
library(textreadr)
library(tidyverse)
library(pdfsearch)

dirct <- directory_path
result <- keyword_directory(dirct, 
                            keyword = 'input_the_keyword_you_want_to_extract',
                            surround_lines = 0, full_names = TRUE)
head(result$line_text, n = 20)

一次读取多个pdf文件并使用R提取包含关键字的句子

Read multiple pdf files at once and extract sentences that contain a keyword using R

pdf

r

text-mining