需要帮助将一个Word文件导入带有引用和标题的R中

Question

我有一个文本文件，其中有一个带有引用的段落。我很难把它导入R Markdown。你有什么意见建议？

例如，一个word文件如下所示：

标题:要导入到R标记的示例word文件

关键字:帮助，R标记，word文件

一-导言

研究综述：

此文档提供了一个要导入到的简单示例。有许多重要的功能，如read.csv等(参考文献)。1)。

二.机构

将一个word文件导入R非常重要(参考文献)。2)。

三.结论

我认为一定有解决办法。

四-参考资料

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

我使用了read_file、read_tsv和readtext函数来导入这个文件，但是它扰乱了整个结构和句子。

Answer 1

如果您只是想将DOCX文件读入R中的各个行，则可以使用readtext (它生成一个data.frame)这样做，然后将文本拆分为几行：

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."

如果您在格式设置中也有缺陷，则可以使用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word文件转换为，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")