MEX-COVID 2020 pdf to data-frames.R

library(tabulizer)
library(purrr)
url <- "https://www.gob.mx/cms/uploads/attachment/file/544266/Tabla_casos_positivos_COVID-19_resultado_InDRE_2020.03.30.pdf"

# Cada página es una lista
infectados_ss <- extract_tables(url, encoding = "UTF-8")

# Las primeras 5 filas son los nombres de las columnas
# Los uno y filtro de la lista original
columnas <- sapply(asinfectados_ss[[1]][1:5])
nomColumnas <- trimws(sapply(as.data.frame(infectados_ss[[1]][1:5,]), paste, collapse = " "))
infectados_ss[[1]] <- infectados_ss[[1]][-(1:5),]

# Finalmente asigno los colnames en todos las páginas y lo uno en un data.frame
infectados_ss2 <- lapply(infectados_ss, function(x) {colnames(x) <- nomColumnas; x})
infectados_ss3 <- map_dfr(infectados_ss2, as.data.frame)