2
我想使用tm软件包对this website上的文件进行文本挖掘。我使用下面的代码来下载文件之一(即abell.pdf)到我的工作目录,并试图存储内容:R tm package strptime(d,fmt)中的readPDF错误:输入字符串太长
library("tm")
url <- "https://baltimore2006to2010acsprofiles.files.wordpress.com/2014/07/abell.pdf"
filename <- "abell.pdf"
download.file(url = url, destfile = filename, method = "curl")
doc <- readPDF(control = list(text = "-layout"))(elem = list(uri = filename),
language = "en", id = "id1")
但我收到以下错误和警告:
Error in strptime(d, fmt) : input string is too long
In addition: Warning messages:
1: In grepl(re, lines) : input string 1 is invalid in this locale
2: In grepl(re, lines) : input string 2 is invalid in this locale
pdfs不是特别长(5页,978 KB),我已经能够成功地使用readPDF函数来读取我Mac OSX上的其他pdf文件。我最需要的信息(2010年人口普查总人口数量)位于每个pdf的第一页,因此我尝试将pdf缩短至第一页,但我得到的信息相同。
我是新来的tm包,所以我很抱歉,如果我失去了明显的东西。任何帮助是极大的赞赏!