Função para leitura de uma tabela de arquivo pdf e conversão para dataframe

tradutor_pdf_tabela

#Função para leitura de uma tabela de arquivo pdf e conversão para dataframe
tradutor_pdf_tabela <- function(arquivo_pdf, delimitador_ini,delimitador_fim,rubricas){
  library(pdftools)
  
  
  txt <- pdf_text(arquivo_pdf)
  
  #Localiza o ponto inicail de tratamento do arquivo
  
  
  pg_encontradas_ini<- which(regexpr(delimitador_ini,txt, ignore.case = TRUE)>0)
  pg_encontradas_fim<- which(regexpr(delimitador_fim,txt, ignore.case = TRUE)>0)
  
  pg_ini<-min(pg_encontradas_ini)
  
  pg_fim <- pg_encontradas_fim[min(which(pg_encontradas_fim>=pg_ini))]
  
  texto_pesquisa<-""
  #monta o novo texto
  for (i in pg_ini:pg_fim){
    texto_pesquisa<-paste0(texto_pesquisa,txt[i])
  }
  
  texto_pesquisa <-substr(texto_pesquisa,regexpr(delimitador_ini,texto_pesquisa, ignore.case = TRUE),regexpr(delimitador_fim,texto_pesquisa, ignore.case = TRUE))
  
  
  
  
  for (i in 1:(length(rubricas))){
    
    pos_ini<-regexpr(rubricas[i],texto_pesquisa, ignore.case = TRUE)+nchar(rubricas[i])
    pos_fim<-pos_ini+regexpr("\r",substr(texto_pesquisa,pos_ini,100000), ignore.case = TRUE)-2
    linha <- substr(texto_pesquisa,
                    pos_ini,
                    pos_fim)
    
    
    #(regexpr(rubricas[i+1],texto_pesquisa, ignore.case = TRUE)-5))
    valores<-c(strsplit(linha," "))
    valores<-valores[[1]]
    valores<-valores[which(valores!="")]
    if (i==1){df_linha<-data.frame(rubricas[i],t(valores))}  else 
    {df_linha <- rbind(df_linha,data.frame(rubricas[i],t(valores)))}
    
    
  }
  
  df_linha
}

#Exemplo de utilização da função.
#Para esse caso foi utilizado como referência o arquivo pdf disponível no seguinte endereço 
# http://www.planejamento.gov.br/secretarias/upload/Arquivos/servidor/publicacoes/boletim_estatistico_pessoal/2017/bep-dezembro-2017

arquivo_pdf<-"document.pdf"
delimitador_ini<-"Tabela 1.5"
delimitador_fim<-"Fonte:"

rubricas<- c('EMPRESA BRASIL DE COMUNICAÇÃO - EBC',
             'EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA - EMBRAPA',
             'COMPANHIA NACIONAL DE ABASTECIMENTO - CONAB',
             'CENTRO NACIONAL DE TECN ELETRÔNICA AVANÇADA - CEITEC',
             'HOSPITAL DE CLÍNICAS DE PORTO ALEGRE - HCPA',
             'EMPRESA BRASILEIRA DE SERVIÇOS HOSPITALARES - EBSERH',
             'COMPANHIA DE PESQUISA DE RECURSOS MINERAIS - CPRM','EMPRESA DE PESQUISA ENERGÉTICA - EPE',
             'VALEC-ENGENHARIA, CONSTRUÇÕES E FERROVIAS',
             'EMPRESA DE PLANEJAMENTO E LOGÍSTICA - EPL',
             'INDÚSTRIA DE MATERIAL BÉLICO DO BRASIL - IMBEL',
             'COMPANHIA DE DESENV. DO VALE DO SÃO FRANCISCO - CODEVASF')

df_traducao<-tradutor_pdf_tabela(arquivo_pdf, delimitador_ini,delimitador_fim,rubricas)