我正在转换正在从PDF文件中读取的文本。删除字符和组合字符串
特别是,我有一个字符向量,其中包含连字符(“ - ”),用于预制大纲,或将单词分隔为新行,但仅当发生时才会出现。例如:
text text text 123-
456 text text..
我想要做的就是删除所有hypens和toghether粘贴这些话。
text text text 123456
text text..
我开始尝试:
library(pdftools)
library(tidytext)
library(readxl)
library(dplyr)
setwd("~/Automation - Official Guazzete")
path <- getwd()
pdf_file <- file.path(path, "stecajni_postapki.pdf")
test <- pdf_text(pdf_file)
dput(tail(test)[1])
"10 јули 2017 Бр. 86 - Стр. 1\r\n Стечајни постапки\r\n СТЕЧАЈНИ ПОСТАПКИ\r\n Основниот суд Скопје II – Скопје преку стечајниот\r\n судија Вероника Станојевска и привремениот стечаен\r\n управник Ѓорѓе Костов, објавува дека со Решение 2\r\n Ст. бр. 841/17 од 16.6.2017 година, се отвора стечајна\r\n постапка над должникот Друштво за производство, тр-\r\n говија КБ ТРЕЈД Ќиро ДООЕЛ Скопје, со трансакцис-\r\n ка сметка 300000000744414 при Комерцијална банка\r\n АД Скопје со ЕДБ 403099419454 Скопје, ЕМБС\r\n 4854217 и единствен даночен број 4030003477097 и\r\n приоритетна дејност на мало во неспецијализирани про-\r\n давници претежно со храна и пијалаци... <truncated>
从这里,我想:
test <- gsub("-", "", test)
但这返回单独的数字。例如
没有一个字 - 123456
任何想法?
尝试'粘贴(测试,崩溃=“”)'获得'“123456”'。 – LAP