[R-es] Consulta

Mar Sep 24 17:19:04 CEST 2019

Hola,
Estos mensajes de error no son por el paquete pdftools. Las funciones image_read_pdf e image_ocr son del paquete magick. ¿Lo tienes instalado? ¿Lo tienes cargado? Según el script sí, pero asegúrate de que library(magick) no da ningún error.
La otra función “str_split” es del paquete stringr, pasa lo mismo: tiene que estar cargado para poder utilizar sus funciones.

Saludos,
Emilio

> El 24 sept 2019, a las 16:20, BERENICE DOMINGUEZ SANCHEZ <ds_bere using hotmail.com> escribió:
> 
> Emilio
> 
> Buen día, si me manda un error muy especifico que no reconoce una función de pdftools
> 
> <image.png>
> 
> Adjunto el archivo, respecto a la versión fue solo una hipótesis
> 
> Hice dos cosas:
> 
> Lo volví a instalar pero no tuve éxito, adjunto archivo.
> 
> Saludos.
>   
> 
> De: Emilio L. Cano <emilopezcano using gmail.com <mailto:emilopezcano using gmail.com>>
> Enviado: lunes, 23 de septiembre de 2019 11:56 p. m.
> Para: BERENICE DOMINGUEZ SANCHEZ <ds_bere using hotmail.com>
> CC: Lista R <r-help-es using r-project.org>
> Asunto: Re: [R-es] Consulta
>  
> Hola Berenice,
> 
> ¿Qué quires decir con que no reconoce el paquete? ¿Te da algún mensaje de error?
> No sé si has probado a instalar de nuevo el paquete, si no hazlo.
> 
> Para poder reproducir el error con tu código haría falta alguno de los pdfs que utilizas (puedes compartir un enlace a dropbox o similar).
> 
> Un saludo,
> Emilio
> 
> > El 24 sept 2019, a las 1:49, BERENICE DOMINGUEZ SANCHEZ <ds_bere using hotmail.com> escribió:
> > 
> > Buenas tarde a todo using s:
> > 
> > Tenia la versión de R 3.6 y utilizaba la paquetería de pdftools para extraer información de archivos en pdf actualice la versión 3.6.1 y ya no reconoce la paquetería alguien que me pueda ayudar. Prácticamente no reconoce las funciones de pdftools
> > 
> > library(pdftools)
> > library(stringr)
> > library(NLP)
> > library(tm)
> > library(tesseract)
> > library(magick)
> > install.packages("magick")
> > install.packages("pdftools")
> > 
> > txt <- system.file("texts", "txt", package = "tm")
> > 
> > rfc_rg <- "([A-Z]{3,})([0-9]{6})([A-Z]|[0-9]){0,3}"
> > #poliza_rg <- "(34|36|37|39)(ME|MEC|CH|MB|TF|GI|VE|TS|IM|ER|VE)*([0-9]{6,})[-]([0-9]){2}[-][A-Z]"
> > poliza_rg <- "(ME|CH|MB|TF|GI|gi|VE|TS|IM|ER|VE)*([0-9]{8,})[-]([0-9]){2}"
> > registro_rg <- "(CNSF-H0711-)([0-9]{4})[- ]([0-9]){4}"
> > subgrupo_rg <- "_([0-9]){1,3}."
> > mon_rg <- "SMGM|UMAM|MN"
> > 
> > 
> > ruta <- 'C:/Users/bdominguez/Documents/H0711/Bond/1909/'
> > archivos<-list.files(path=ruta,pattern = '*.pdf')
> > 
> > 
> > imagen <- image_read_pdf(path=paste(ruta,"/",nombre,".pdf",sep=""))
> > prueba <-image_ocr(imagen, language = 'eng')
> > lineas<-unlist(str_split(prueba,pattern = "\n"))
> > lineasp<-unlist(str_split(prueba[2],pattern = "\r\n"))
> > 
> > newnom <- NULL
> > renglones <- NULL
> > for (nombre in archivos){
> >  subgrupo <- str_extract(str_extract(nombre,pattern = subgrupo_rg),pattern = "[0-9]{1,3}")
> >  imagen <- image_read_pdf(path=paste(ruta,"/",nombre,".pdf",sep=""))
> >  prueba <-image_ocr(imagen, language = 'eng')
> >  lineas<-unlist(str_split(prueba,pattern = "\n"))
> >  poliza <- NULL
> >  poliza<-str_extract(lineas[1],poliza_rg)
> >  newnom <- c(newnom,paste(poliza[1],substr(nombre,5,6),".pdf",sep=''))
> >  
> >  registro <- NULL
> >  registro<-str_extract(lineas[49],registro_rg)
> >  
> >  rfc <- NULL
> >  rfc <- str_extract(lineas[5],rfc_rg)
> >  
> >  
> >  #lineasnew<-unlist(str_split(lineas[2],pattern = "\r\n"))
> >  #lineasdosnew<-unlist(str_split(lineas[1],pattern = "\r\n"))
> >  
> >  cobertura <- NA
> >  extranjera <- NA
> >  suma_str   <- NA
> >  deducible_str <- NA
> >  
> >  suma <- NA
> >  coaseguro <- NA
> >  deducible <- NA
> >  tope <- NA
> >  mon <- NA
> >  mondedu <- NA
> >  
> >  cobertura  <- grep("Cobertura en el Extranjero",lineas,value=TRUE)
> >  extranjera <- grep("Emergencia en el Extranjero",lineas,value=TRUE)
> >  suma_str   <- grep("SUMA ASEGURADA:",lineas,value=TRUE)
> >  deducible_str   <- grep("DEDUCIBLE:",lineas,value=TRUE)
> >  sumacob <- NA
> >  sumaext <- NA
> >  
> >  pprimaria <- grep("Numero de Póliza:", lineas, value = TRUE)
> >  dnprimariaa <- grep("Nombre de la Aseguradora Primaria:", lineas, value = TRUE)
> >  
> >  #cer<- grep("Certificado No. ",lineas, value=TRUE)
> >  #ntit<- grep("Ramo", lineas, value=TRUE)
> >  
> >  sumacob<-as.numeric(str_extract(cobertura[1],pattern = "[0-9]{1,}"))
> >  if (length(sumacob)==0){
> >    sumacob = NA
> >  }
> >  
> >  sumaext<-as.numeric(str_extract(extranjera[17],pattern = "[0-9]{1,}"))
> >  if (length(sumaext)==0){
> >    sumaext = NA
> >  }
> >  valores <- NULL
> >  monedas <- NULL
> >  valores <- str_extract_all(suma_str[17],pattern = "[0-9]{0,3},*[0-9]{0,3},*[0-9]{1,3}(.[0-9]{1,}){0,1}",simplify=TRUE)
> >  monedas <- str_extract(suma_str,pattern = mon_rg)
> >  if (length(valores[1])==0){
> >    suma = NA
> >    mon = NA
> >  }else{
> >    suma = as.numeric(gsub(pattern = ",*",replacement = "",valores[1]))
> >    mon <- as.character(monedas[1])
> >  }
> >  
> >  if (length(valores[2])==0){
> >    coaseguro = NA
> >  }else{
> >    coaseguro = as.numeric(valores[2])
> >  }
> >  valores <- NULL
> >  valores <- str_extract_all(deducible_str[1],pattern = "[0-9]{0,3},*[0-9]{0,3},*[0-9]{1,3}(.[0-9]{1,}){0,1}",simplify=TRUE)
> >  
> >  if (length(valores[1])==0){
> >    deducible <- NA
> >  }else{
> >    deducible <- as.numeric(gsub(pattern = ",",replacement = "",valores[1]))
> >  }
> >  
> >  monedas <- NULL  
> >  monedas <- str_extract(deducible_str[1],pattern = mon_rg)
> >  
> >  if (length(monedas)==0){
> >    mondedu <- NA
> >  }else{
> >    mondedu <- monedas
> >  }
> >  
> >  
> >  if (length(valores[2])==0){
> >    tope = NA
> >  }else{
> >    tope = as.numeric(gsub(pattern = ",",replacement = "",valores[2]))
> >  }
> >  
> >  renglon <- data.frame(archivo=nombre,poliza=as.character(poliza[1]),cobertura=sumacob,emergencia=sumaext,registro=registro[1],suma=suma,coaseguro=coaseguro,deducible=deducible,tope=tope,rfc=rfc,mon=mon,mondedu=mondedu,subgrupo=subgrupo, cert=as.character(cer[1]), cer_tit=as.character(lineasdos[14]), titu=as.character(lineasdos[10]))
> >  renglones <- rbind(renglones,renglon)
> > }
> > 
> > # Con los datos del data frame renombra los archivos hay que crear los subdirectorios
> > 
> > noms <- data.frame(archivo=archivos,poliza=newnom)
> > 
> > noms <- renglones[!is.na(renglones$poliza),c('archivo','cer_tit')]
> > ungrupo<-sqldf("select poliza,count(cert) from noms group by 1  having count(cert) <= 1 ")
> > noms<-sqldf("select * from noms where poliza in (select poliza from ungrupo)")
> > length(noms$archivo)
> > salida <- "/renombra/"
> > 
> > for (i in 1:length(noms[,1])){
> >  if (!is.na(noms[i,'cer_tit'])){
> >    pfrom <- paste(ruta,"/",noms[i,'archivo'],sep='')
> >    pto <- paste(ruta,salida,noms[i,'cer_tit'],'.pdf',sep='')
> >    if (!file.exists(pto)){
> >      file.copy(from = pfrom,to=pto)
> >    }
> >  }
> > }
> > 
> > #Ahora las polizas con subgrupos
> > noms <- renglones[!is.na(renglones$poliza),c('archivo','poliza','subgrupo')]
> > ungrupo<-sqldf("select poliza,count(subgrupo) from noms group by 1  having count(subgrupo) > 1 ")
> > noms<-sqldf("select * from noms where poliza in (select poliza from ungrupo) order by poliza")
> > length(noms$archivo)
> > salida <- "/Renombra/ConGrupos/"
> > 
> > for (i in 1:length(noms[,1])){
> >  if (!is.na(noms[i,'poliza'])){
> >    pfrom <- paste(ruta,"/",noms[i,'archivo'],sep='')
> >    pto <- paste(ruta,salida,noms[i,'poliza'],'_',noms[i,'subgrupo'],'.pdf',sep='')
> >    if (!file.exists(pto)){
> >      file.copy(from = pfrom,to=pto)
> >    }
> >  }
> > }
> > 
> > salida <- "/Renombra/Grupos/"
> > dirActual <- getwd()
> > polizas_con_grupos <- as.character(sqldf("select poliza from ungrupo")$poliza)
> > setwd(ruta)
> > for (policita in polizas_con_grupos){
> >  archivos <- as.character(sqldf(paste("select archivo from renglones where poliza like '%",policita,"%'",sep=''))$archivo)
> >  staple_pdf(input_files = archivos,output_filepath = paste(ruta,salida,policita,".pdf",sep='')) 
> > }
> > setwd(dirActual)
> > 
> > #Ahora los PDf sin poliza
> > noms <- renglones[is.na(renglones$poliza),c('archivo','poliza')]
> > salida <- "/renombra/SinPoliza/"
> > for (i in 1:length(noms[,1])){
> >  pfrom <- paste(ruta,"/",noms[i,'archivo'],sep='')
> >  pto <- paste(ruta,salida,noms[i,'archivo'],sep='')
> >  if (!file.exists(pto)){
> >    file.copy(from = pfrom,to=pto)
> >  }
> > }
> > 
> > View(renglones)
> > write.csv(renglones, file='//192.168.1.83/share/CERT/CERTIFICADOS_INDIVIDUALES_295_UMAM/Renombra/CERTIFICADOS_INDIVIDUALES_295_UMAM.csv')
> > 
> > 
> > 
> > 
> > 
> >        [[alternative HTML version deleted]]
> > 
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es using r-project.org
> > https://stat.ethz.ch/mailman/listinfo/r-help-es <https://stat.ethz.ch/mailman/listinfo/r-help-es>
> 
> <caratula_34008612-01-B_6370_20_09_2019_141619.pdf>

	[[alternative HTML version deleted]]