如何解决需要帮助,以将带有引用和标题的Word文件导入R
我有一个文本文件,该文件的段落带有引用。我无法将其导入R Markdown。你有什么建议吗?
例如,单词文件如下所示:
标题:导入到R Markdown的示例单词文件
关键字:帮助,R Markdown,Word文件
I-简介
研究概述:
本文档提供了一个简单的示例,可以将其导入R Markdwon。有很多导入功能,例如read.csv等(参考1)。
II-身体
将单词文件导入R(参考2)非常重要。
III-连环
我认为必须有解决方案。
IV-参考
1- https://www.rdocumentation.org/packages/utils/versions/3.6.2/topics/read.table
2- https://stat.ethz.ch/R-manual/R-devel/library/utils/html/read.table.html
我已经使用read_file
,read_tsv
和readtext
函数来导入此文件,但它弄乱了整个结构和句子。
解决方法
如果您只想将DOCX文件读取为R中的单独行,则可以使用readtext
(它会生成一个data.frame),然后将文本分成几行:
x <- readtext::readtext("https://file-examples-com.github.io/uploads/2017/02/file-sample_100kB.docx")
y <- strsplit(x$text,"\n")[[1]]
y[1:10]
#> [1] "Lorem ipsum "
#> [2] "Lorem ipsum dolor sit amet,consectetur adipiscing elit. Nunc ac faucibus odio. "
#> [3] "Vestibulum neque massa,scelerisque sit amet ligula eu,congue molestie mi. Praesent ut varius sem. Nullam at porttitor arcu,nec lacinia nisi. Ut ac dolor vitae odio interdum condimentum. Vivamus dapibus sodales ex,vitae malesuada ipsum cursus convallis. Maecenas sed egestas nulla,ac condimentum orci. Mauris diam felis,vulputate ac suscipit et,iaculis non est. Curabitur semper arcu ac ligula semper,nec luctus nisl blandit. Integer lacinia ante ac libero lobortis imperdiet. Nullam mollis convallis ipsum,ac accumsan nunc vehicula vitae. Nulla eget justo in felis tristique fringilla. Morbi sit amet tortor quis risus auctor condimentum. Morbi in ullamcorper elit. Nulla iaculis tellus sit amet mauris tempus fringilla."
#> [4] "Maecenas mauris lectus,lobortis et purus mattis,blandit dictum tellus."
#> [5] "Maecenas non lorem quis tellus placerat varius. "
#> [6] "Nulla facilisi. "
#> [7] "Aenean congue fringilla justo ut aliquam. "
#> [8] "Mauris id ex erat. Nunc vulputate neque vitae justo facilisis,non condimentum ante sagittis. "
#> [9] "Morbi viverra semper lorem nec molestie. "
#> [10] "Maecenas tincidunt est efficitur ligula euismod,sit amet ornare est vulputate."
如果您也对格式感兴趣,可以使用officer
:
library(officer)
download.file("https://file-examples-com.github.io/uploads/2017/02/file-sample_100kB.docx","in.docx")
doc <- read_docx("in.docx")
content <- docx_summary(doc)
head(tibble::as_tibble(content)) #convert to tibble for nicer printing
#> # A tibble: 6 x 11
#> doc_index content_type style_name text level num_id row_id is_header cell_id
#> <int> <chr> <chr> <chr> <dbl> <int> <int> <lgl> <dbl>
#> 1 1 paragraph Title "Lor… NA NA NA NA NA
#> 2 2 paragraph Text Body "" NA NA NA NA NA
#> 3 3 paragraph Heading 1 "Lor… 1 1 NA NA NA
#> 4 4 paragraph Text Body "" NA NA NA NA NA
#> 5 5 paragraph Text Body "Ves… NA NA NA NA NA
#> 6 6 paragraph Text Body "Mae… NA NA NA NA NA
#> # … with 2 more variables: col_span <dbl>,row_span <dbl>
如果要将单词文件转换为R Markdown,可以使用pandoc:
# In your Terminal
pandoc -s in.docx --wrap=none --reference-links -t markdown -o out.Rmd
# Or from R:
system("pandoc -s in.docx --wrap=none --reference-links -t markdown -o out.Rmd")
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。