OCR ESO
Pablo Sebastian
2024-08-14
# file.choose()# install.packages("tesseract")
library(tesseract)
# install.packages("magick")
library(magick)## Linking to ImageMagick 6.9.12.98
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11# install.packages("officer")
library(officer)
# install.packages("pdftools")
library(pdftools)## Using poppler version 23.08.0# install.packages("magrittr")
library(magrittr)# file.choose()Convertir a pdf
pdf <- pdf_convert("C:\\Users\\sebas\\OneDrive\\Escritorio\\Inteligencia de Negocios\\Modulo 2\\14 08 2024\\eso3.pdf")## Converting page 1 to eso3_1.png... done!
## Converting page 2 to eso3_2.png... done!
## Converting page 3 to eso3_3.png... done!Convertir a texto
pdf <- pdf_convert("C:\\Users\\sebas\\OneDrive\\Escritorio\\Inteligencia de Negocios\\Modulo 2\\14 08 2024\\eso3.pdf")## Converting page 1 to eso3_1.png... done!
## Converting page 2 to eso3_2.png... done!
## Converting page 3 to eso3_3.png... done!tesseract_download("spa")## [1] "C:\\Users\\sebas\\AppData\\Local\\tesseract5\\tesseract5\\tessdata/spa.traineddata"texto2 <- ocr(pdf, engine = tesseract("spa"))Quitar los str
texto2 <- gsub("[^[:print:]]", "", texto2)Crear el documento de word
# doc2 <- read_docx()
# doc2 <- doc2 %>% body_add_par(texto2, style = "Normal")Texto en partes
partes <- strsplit(texto2, "\n\n")[[1]]
doc2 <- read_docx()
for(parte in partes) {
doc2 <- doc2 %>% body_add_par(parte, style = "Normal")
}Imprimir el el documento
print(doc2, target = "C:\\Users\\sebas\\OneDrive\\Escritorio\\Inteligencia de Negocios\\Modulo 2\\14 08 2024\\texto_extraido.docx")Texto del documento
doc2## rdocx document with 2 element(s)
##
## * styles:
## Normal heading 1 heading 2
## "paragraph" "paragraph" "paragraph"
## heading 3 Default Paragraph Font Normal Table
## "paragraph" "character" "table"
## No List strong centered
## "numbering" "character" "paragraph"
## table_template Light List Accent 2 Titre 1 Car
## "table" "table" "character"
## Titre 2 Car Titre 3 Car Image Caption
## "character" "character" "paragraph"
## Table Caption Table Professional toc 1
## "paragraph" "table" "paragraph"
## toc 2 Balloon Text Texte de bulles Car
## "paragraph" "paragraph" "character"
## reference_id graphic title table title
## "character" "paragraph" "paragraph"
##
## * Content at cursor location:
## level num_id
## 1 NA NA
## text
## 1 \n \n \n \n \n Y alli estaba, persiguiendo su barco de papel por el lado izquierdo de Witcham Street, Corríadeprisa, pero el agua le ganaba y el barquito estaba sacando ventaja. Oyó un rugido profundo yvio cómo cincuenta metros más adelante, colina abajo, el agua de la cuneta se precipitabadentro de una boca de tormenta que aún continuaba abierta, Era un largo semicírculo oscuroabierto en el bordillo de la acera y mientras George miraba, una rama desgarrada, con la cortezaoscura y reluciente se hundió en aquellas fauces. Alí pendió por un momento y luego se deslizóhacia el interior. Hacia alli se encaminaba su bote,—iMierda! —chilló horrorizado.Forzó el paso y. por un momento, pareció que iba a alcanzar al barquito. Pero uno de sus piesresbalo y George cayó despatarrado despellejándose la rodilla con un grito de dolor. Desde sunueva perspectiva, a la altura del pavimento, vio que su barco giraba en redondo dos veces,momentáneamente atrapado en otro remolino, antes de desaparecer.—iMierda y más mierda! —volvió a chillar, estrellando el puño contra el pavimento.Eso también dolio, y se echó a sollozar. ¡Qué manera tan estúpida de perder el barco!Se levantó para caminar hacia la boca de tormenta y alli se dejó caer de rodillas, para mirar haciaelinterior. El agua hacia un ruido hueco y húmedo al caer en la oscuridad. Ese sonido le dabaescalofríos. Hacía pensar en.EntLa exclamación le fue arrancada como con un cordel Retrocedio.Alliadentro había unos ojos amarillos. Ese tipo de ojos que él siempre imaginaba, sin verlosnunca, en la oscuridad del sótano. Fs un animal —pensó, incoherente— eso es todo: un animal; alomejor un gato que quedó atrapado...De todos modos, estaba por echar a correr; habría corrido uno o dos segundos, cuando sutablero mental se hubiera hecho cargo del espanto que le produjeron esos dos ojos amarillos ybrillantes. Sintió la áspera superficie del pavimento bajo los dedos y la fina lámina de agua fríaque corria alrededor. Se vio a sí mismo levantándose y retrocediendo. Y fue entonces cuandouna voz, una voz perfectamente razonable y bastante simpática, le habló desde dentro de laboca de tormenta:—Hola, George —dijo.¡George parpadeó y volvió a mirar. Apenas podía dar crédito a lo que veía; era como algo sacadodde un cuento o de una película donde uno sabe que los animales hablan y bailan. Si hubieratenido diez años más, no habría creído en lo que estaba viendo: pero no tenía dieciséis años, sinoseis.En la boca de tormenta había un payaso. La luz distaba de ser buena, pero bastó para que¡George Denbrough estuviese seguro de lo que veia. Era un payaso. como en el circo o en la lele,Parecia una mezcla de Bozo y Clarabell, el que hablaba haciendo sonar su bocina en HowdyDoody. los sábados por la mañana. Búfalo Bob era el único que entendía a Clarabell y eso.siempre hacia reír a George. La cara del payaso metido en la boca de tormenta era blanca; tenía¡cómicos mechones de pelo rojo a cada lado de la calva y una gran sonrisa de payaso pintada\n \n
## style_name content_type
## 1 Normal paragraphConclusion
Obtenemos texto de un pdf y luego lo ponemos en un archivo en word