Início / coding / Perguntas / 79496628
Accepted
AndreASousa
Asked: 2025-03-10 05:30:17 +0800 CST

Linguagem R - Extraindo o tipo de dados correto em uma tabela PDF

  • 772

Por favor, considere a seguinte tabela encontrada em um arquivo PDF:

Tabela com modelos e quantidades

Posso baixar e extrair a tabela com o seguinte código:

url <- "https://www.fenabrave.org.br/portal/files/2023_01_2.pdf"

download.file(url, 'cars.pdf', mode="wb")

library(tabulapdf)

df <- extract_tables(
  'cars.pdf',
  pages = 27,
  area = list(c(126.4826, 96.5997, 782.1684, 297.9600)),
  guess = FALSE)
  bind_rows() |>
  set_names(c("Model","Quantity"))

Infelizmente, a função lê as quantidades como um tipo double e remove todos os zeros no final.

Posso adicionar o seguinte código para alterar sua classe:

df <- extract_tables(
  'cars.pdf',
  pages = 27,
  area = list(c(126.4826, 96.5997, 782.1684, 297.9600)),
  guess = FALSE) |> 
  bind_rows() |>
  set_names(c("Model","Quantity"))|>
  mutate(Quantity = gsub("\\.", "", Quantity))|>
  mutate(Quantity = as.integer(Quantity))

Mas o estrago já está feito: 2.830 virou 283; 1.220 virou 122.

Existe uma maneira de fazer com que os dados sejam lidos como char?

1 respostas

  1. Best Answer

    extract_tablespermite que você leia dados como charactervetor. Isso pode ser analisado usando freadwith colClasses = 'character'para ler todas as colunas como caracteres. Então você pode usar gsub("\\.","",df2$quantity)para remover o ponto de milhares.

    library(tabulapdf)

string <- tabulapdf::extract_tables("table.pdf", output = "character")|> 
  unlist()

library(data.table)

df2 <- fread(string, colClasses = 'character', data.table = FALSE)

df2$quantity <- gsub("\\.","",df2$quantity)

    dando

      Head1 quantity
1     1     3678
2     2     3093
3     3     2830
4     4     2770
5     5     2200

    Teste PDF

    fora

    • 2

relate perguntas