scraping_MOMO.Rmd

---
title: "Ejemplo extracción (scraping)  de tablas de un pdf"
author: "Ricardo Alberich"
date: '`r format(Sys.Date(), "%B %d, %Y")`'
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE,cache=TRUE)
```



## Extración de tablas de un pdf

Podemos bajar el pdf  del que queramos extraer la tabla.


```{r}
library(stringr)
library(tabulizer)
#"https://www.isciii.es/QueHacemos/Servicios/VigilanciaSaludPublicaRENAVE/EnfermedadesTransmisibles/MoMo/Documents/informesMoMo2020/MoMo_Situacion%20a%2014%20de%20abril_CNE.pdf"

tablas=tabulizer::extract_tables("data/Datos_MOMO/MoMo_Situacion a 14 de abril_CNE.pdf",encoding = "UTF-8")
```

## La primera de las tablas de MOMO

Tratemos la primera tabla

```{r}
tablas=extract_tables(pdf)
mi_tabla=tablas[[1]]
class(mi_tabla)
str(mi_tabla)
dim(mi_tabla)
mi_tabla
```

Es una matriz de una columna con las 10 filas de datos:

* Las tres primeras son los metadatos de la tebala que se  no se han cargado totalmente.
* La fila 4  son los nombres de la tabla
* De la fila 6 a la 10 son los datos y los nombres de las filas de la tabla.


Leamos la primera fila de datos 


```{r}
datos_fila5=mi_tabla[5,]
datos_fila5
extrac_data=function(x) {
  x=unlist(str_split(x,pattern=" "))
  data=x[(length(x)-3):length(x)]
  name=paste(x[1:(length(x)-4)],collapse=" ")
c(name,data)
  }

extrac_data(mi_tabla[5,])
extrac_data(mi_tabla[6,])
extrac_data(mi_tabla[7,])
extrac_data(mi_tabla[8,])
extrac_data(mi_tabla[9,])
extrac_data(mi_tabla[10,])

```






```{r}
library(stringr)
tabla1_names=mi_tabla[4]
tabla1_names
tabla_data=mi_tabla[5:10]
tabla_data

arreglar= function(fila){
#fila=tabla_data[6]
aux1= unlist(str_split(fila, pattern=" "))
aux1  
n=length(aux1)  
fila=c(paste0(aux1[1:(n-4)],collapse="_"),aux1[(n-3):n])
fila
}

lista_filas_tabla=lapply(tabla_data,FUN=arreglar)
names(lista_filas_tabla)
do.call(dplyr::bind_rows,lista_filas_tabla)
bind_rows(lista_filas_tabla.id="id")

```

Así que se complica veamos otra solución


```{r}

```



### Referencias

* [tabulizer] https://www.r-bloggers.com/pdf-scraping-in-r-with-tabulizer/)
* [Manual de tabulizer](https://cran.r-project.org/web/packages/tabulizer/vignettes/tabulizer.html)
* Herramienta de scraping de R [rvest](https://cran.r-project.org/web/packages/rvest/rvest.pdf)