importation pdf sur R

Version imprimable

05/07/2019, 12h57
bmahe35

importation pdf sur R

Bonjour, j'ai réalisé une importation d'un pdf sur R. J'obtiens mon texte sous forme de "character". Le problème est que j'aimerais ne garder qu'une partie du texte, partie dont la longueur dépend pour chaque textes.
Si j'avais eu qu'un seul texte, j'avais le code suivant qui marche :

Code:

fed_text_raw <- head(fed_text_raw,93)

Je prend les 93 premières lignes pour ce texte.
Pour être plus précis, je dois couper mon texte lors qu’apparait pour la première fois le mot "Thank you" (Cela peut être la ligne où il y a ce mot).

J'ai essayé avec str_sub, str_split...

Avez-vous une idée ?

Merci par avance

bonjour , une solution avec une boucle while

Code:

1
2
3
4
5
6
7
8
9
10
 
library(stringr)
 
i=1
reponse <- ""
while(!str_detect(fed_text_raw [i],"Thank you")){
  reponse <- str_c(reponse,fed_text_raw [i])
  i = i+1
 
}

cldt

09/07/2019, 14h10
bmahe35

Bonjour,

J'ai réussi en faisant une boucle très ressemblante, merci pour votre réponse

1 pièce(s) jointe(s)

Bonjour,

Je reviens vers vous car je rencontre un nouveau problème: j'ai importé sur R plusieurs textes et l'objectif serait d'avoir un code qui permet d'identifier les noms, adjectifs, verbe etc...
J'ai construit un code qui marche sur la première phrase du 1er texte mais cela ne marche plus après. Mon texte est scindé avec 1 ligne pour chaque phrases. Voici mon code:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
 
tagPOS <-  function(x, ...) {
    s <- as.String(x)
    word_token_annotator <- Maxent_Word_Token_Annotator()
    a2 <- Annotation(1L, "sentence", 1L, nchar(s))
    a2 <- annotate(s, word_token_annotator, a2)
    a3 <- annotate(s, Maxent_POS_Tag_Annotator(), a2)
    a3w <- a3[a3$type == "word"]
    POStags <- unlist(lapply(a3w$features, `[[`, "POS"))
    POStagged <- paste(sprintf("%s/%s", s[a3w], POStags), collapse = " ")
    list(POStagged = POStagged, POStags = POStags)}
 
length(phrase)
  for (indice in 3:length(phrase)){
    test <- data.frame(tagPOS(phrase[indice]))
    b <- test$POStagged
    a <- data.frame(test$POStags)
    splt <- str_split(b[1],"/")
 
     for (p in 1:nrow(a)){
       if (a[p,]=="NN"){
         q = p-1
          while (a[q,]!="JJ"){
          q <- q-1 
          }
           print(str_sub(splt[[1]][q],4))
           print(str_sub(splt[[1]][p],4))
 
       }
     }
  }

J'ai mis la sortie de "test" en pièce-jointe (il s'agit de la première ligne du texte)

Merci d'avance.