如何让tabulapdf以字符类型读取PDF表格的Quantity列

可以通过指定col_types参数强制将Quantity列以字符类型读取，避免自动类型转换导致的末尾零丢失。修改后的代码如下：

url <- "https://www.fenabrave.org.br/portal/files/2023_01_2.pdf"

download.file(url, 'cars.pdf', mode="wb")

library(tabulapdf)
library(dplyr)

df <- extract_tables(
  'cars.pdf',
  pages = 27,
  area = list(c(126.4826, 96.5997, 782.1684, 297.9600)),
  guess = FALSE,
  col_types = cols(
    Model = col_character(),
    Quantity = col_character()
  )
) %>% 
  bind_rows() %>% 
  set_names(c("Model","Quantity"))

说明 #

• col_types参数可明确指定每一列的数据类型，这里将Quantity列设为字符型，能完整保留原始文本中的末尾零（比如"2.830"、"1.220"），不会被自动转换为数值类型而丢失信息。
• 后续如果需要对Quantity列做数值计算，可再根据需求用as.numeric()或parse_number()等函数手动转换类型。

内容的提问来源于stack exchange，提问作者AndreASousa