我有将近一千份PDF期刊文章存放在一个文件夹中。我需要对整个文件夹中所有文章的摘要进行文本挖掘。目前我正在执行以下操作:
dest <- "~/A1.pdf"
# set path to pdftotxt.exe and convert pdf to text
exe <- "C:/Program Files (x86)/xpdfbin-win-3.03/bin32/pdftotext.exe"
system(paste("\"", exe, "\" \"", dest, "\"", sep = ""), wait = F)
# get txt-file name and open it
filetxt <- sub(".pdf", ".txt", dest)
shell.exec(filetxt)
我正在将一个pdf文件转换为一个.txt文件,然后将摘要复制到另一个.txt文件中并手动汇编它。这项工作很麻烦。
如何从文件夹中读取所有单独的文章并将它们转换为.txt文件,其中每篇文章只包含摘要。可以通过限制每篇文章中摘要和引言之间的内容来完成;但我无法做到。任何帮助都将不胜感激。