Rで解析：RでOCRをしてみませんか？画像から文字を取得できます！「tesseract」パッケージ

#パッケージのインストール
install.packages("tesseract")

#パッケージの読み込み
library("tesseract")

#tesseractの環境を確認:tesseract_infoコマンド
#初期状態のavailableは"eng" "osd"のみです
TessRact <- tesseract_info()

#確認
TessRact

$datapath
[1] "C:\\Users\\ユーザー名\\AppData\\Local\\tesseract5\\tesseract5\\tessdata/"

$available
[1] "eng" "osd"

$version
[1] "5.1.0"

$configs
[1] "alto"             "ambigs.train"     "api_config"       "bigram"          
[5] "box.train"        "box.train.stderr" "digits"           "get.images"      
[9] "hocr"             "inter"            "kannada"          "linebox"         
[13] "logfile"          "lstm.train"       "lstmbox"          "lstmdebug"       
[17] "makebox"          "pdf"              "quiet"            "rebox"           
[21] "strokewidth"      "tsv"              "txt"              "unlv"            
[25] "wordstrbox" 

#tessdata repositoryからtraining dataを取得:tesseract_downloadコマンド
#langオプションに目的とする言語を指定すると自動で保存されます
#なお、一度ダウンロードすると次回は実行しなくともよいです
#以下は自身でダウンロードする場合の参考です
##日本語:https://github.com/tesseract-ocr/tessdata/raw/4.00/jpn.traineddata
##ダウンロード:utils::download.fileコマンド;初期にインストールされています
##download.file(url = "https://github.com/tesseract-##ocr/tessdata/raw/4.00/jpn.traineddata",
##              destfile = paste0(TessRact$datapath, "/jpn.traineddata"))

#トレーニングデータの取得と読み込み
tesseract_download(lang = "jpn")

#画像ファイルからテキストを抽出:ocrコマンド
#処理言語を指定:engineオプション
#画像ファイルを指定
OCRImg <- paste0(as.character(tcltk::tkgetOpenFile(title = "画像ファイルを選択",
                                                   filetypes = '{"画像ファイル" {".*"}}',
                                                   initialfile = "*.*")))
#OCR処理
GetOCR <- ocr(image = OCRImg,
              engine = tesseract("jpn"))

#内容確認
cat(GetOCR)

#以下結果;一部読み込みミスがありますが実用的です
NCBIデータベースをRかちら操作するパッケージはいくつか存在しますが、本パッケージはPubMed
データベースから情報を収集するのに特化したパッケージです。かなり簡単に情報を収集すること
が出来ます。

実行コマンドでは検索クエリに"r statistical software"を指定し、取得したデータをGoogleスプレ
ッドシートへアップロードと「xlsx]」 ファイルで保存する例を紹介します。

パッケージバージョンは2.13。実行コマンドはR version 4.2.2で確認しています。