如何将officer::read_docx应用于整个文件夹

Question

我正在尝试扫描许多文档，目的是将文本重新组织为标准格式。这包括使用docxtractr提取表，并使用textreadr单独提取正文文本，或者使用officer::docx_summary标记正文和表文本以便于操作。对于这个问题，我使用了officer::read_docx和officer::docx_summary。我使用的测试文档是.docx，并且在包含文本和数字的表格前后包含无意义的文本。

我的代码是：

dir <- "C:/path/to/documents"
filenames <- list.files(path = dir, pattern = "*.docx", full.names = TRUE)
docxtest <- officer::docx_summary(lapply(filenames, officer::read_docx))

理想情况下，它将生成一个包含docx_summary信息的数据帧列表。我尝试在文件名列表上使用lapply，但在尝试查看时输出列表显示错误：

Error in names[[i]]: subscript out of bounds.

Answer 1

officer::docx_summary用于officer::read_docx返回的对象，不支持列表...

filenames <- list.files(path = dir, pattern = "*.docx", full.names = TRUE)
docxtest <- lapply(filenames, function(x) officer::docx_summary(officer::read_docx(x)) )