使用 keyword_search 检测 pdf 时文件名太长？

Question

我正在尝试通过搜索某些关键字对 pdf 进行一些文本挖掘。

这是我的代码：

library(pdftools)
library(tidyverse)
library(pdfsearch)

UC_text <- pdf_text("https://wilmar-iframe.todayir.com/attachment/20190411162436345449392_en.pdf") 

result <- keyword_search(UC_text, 
                         keyword = c('SUBSTANTIAL SHAREHOLDERS'),
                         path = TRUE, surround_lines = 1)

但是，我收到文件名太长的错误信息。我怎样才能解决这个问题？

Answer 1

根据pdfsearch的cran手册中的说明，您可以直接将PDFlink传递给keyword_search()。这样，我就看不到你提供的错误信息了。我宁愿得到以下结果。

result <- keyword_search("https://wilmar-iframe.todayir.com/attachment/20190411162436345449392_en.pdf", 
                         keyword = c('SUBSTANTIAL SHAREHOLDERS'),
                         path = TRUE, surround_lines = 1)

  keyword                  page_num line_num line_text token_text
  <chr>                       <int>    <int> <list>    <list>    
1 SUBSTANTIAL SHAREHOLDERS       49     2010 <chr [3]> <list [3]>

使用 keyword_search 检测 pdf 时文件名太长？

Filename too long when using keyword_search to detect pdf?

r

text-mining

pdftools