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来对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，我收到文件名错误消息的时间过长。我如何解决这个问题？

Answer 1

根据pdfsearch的cran手册中的说明，您可以直接将PDF链接传递到keyword_search()。这样，我看不到您提供的错误消息。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]>