Conversion pdf avec R
sony617
Messages postés
3
Date d'inscription
Statut
Membre
Dernière intervention
-
[Dal] Messages postés 6205 Date d'inscription Statut Contributeur Dernière intervention -
[Dal] Messages postés 6205 Date d'inscription Statut Contributeur Dernière intervention -
salut..
voila, j'ai un corpus de fichiers PDF et je dois les convertir automatiquement en format csv ou txt pour les traiter avec le logiciel de statistique R.
merci pour votre aide.
voila, j'ai un corpus de fichiers PDF et je dois les convertir automatiquement en format csv ou txt pour les traiter avec le logiciel de statistique R.
merci pour votre aide.
A voir également:
- Conversion pdf avec R
- Lire le coran en français pdf - Télécharger - Histoire & Religion
- Save as pdf office 2007 - Télécharger - Bureautique
- Télécharger dictionnaire larousse pdf gratuit - Télécharger - Dictionnaires & Langues
- Notices gratuites pdf - Guide
- Pdf creator - Télécharger - PDF
1 réponse
Salut sony617,
Je ne pratique pas R, mais ta question semble être comment convertir une collection de fichiers PDF en format texte brut.
Une simple recherche https://www.google.fr/search?q=pdf2txt te donne de nombreuses suggestions d'outils, avec ou sans GUI, gratuits ou payants.
Si tu es sous linux, il y a des chances que ta distribution te donne accès à des paquets où tu vas trouver des outils open source de ce type.
Par exemple, sous Debian : https://packages.debian.org/stretch/armel/poppler-utils contient pdftotext pour l'extraction de texte en ligne de commande.
En général ces outils supposent que les données à extraire soient sous forme de texte dans le PDF et non sous forme d'image. Si tes PDF contiennent des images, tu devras utiliser des outils d'OCR.
Dal
Je ne pratique pas R, mais ta question semble être comment convertir une collection de fichiers PDF en format texte brut.
Une simple recherche https://www.google.fr/search?q=pdf2txt te donne de nombreuses suggestions d'outils, avec ou sans GUI, gratuits ou payants.
Si tu es sous linux, il y a des chances que ta distribution te donne accès à des paquets où tu vas trouver des outils open source de ce type.
Par exemple, sous Debian : https://packages.debian.org/stretch/armel/poppler-utils contient pdftotext pour l'extraction de texte en ligne de commande.
En général ces outils supposent que les données à extraire soient sous forme de texte dans le PDF et non sous forme d'image. Si tes PDF contiennent des images, tu devras utiliser des outils d'OCR.
Dal
https://gist.github.com/benmarwick/11333467#file-pdf-2-text-or-csv-r
si cela te convient parce que l'appel à ces outils est fait à partir de R, tant mieux pour toi :-) mais ces outils externes peuvent simplement générer des fichiers texte pour toi en ligne de commande, et tu peux ensuite en faire ce que tu veux avec R.
bonne chance dans ton projet :-)