Función flatten_ssa_pdf()
Función para cargar los datos de casos positivos de COVID19 desde los comunicados técnicos diarios de la Secretaría de Salud (Gobierno de México).
Utiliza pdftools para leer todo el contenido de los reportes y
expresiones regulares para alinear las líneas de texto previo a leerlas
como archivos de anchos fijos.
El único argumento que toma es la ruta local o web del archivo PDF. Genera un ‘tibble’ con los datos tabulares de todas las páginas del archivo.
Probada con las versiones de los PDF archivadas en el repostorio de
Katia Guzmán Martínez (https://github.com/guzmart/covid19_mex) de
marzo 19 a marzo 22 de 2020. Falta cotejar estos resultados con las
transcripciones manuales y con las producidas por I
Ejemplo de uso:
source("flatten_ssa_pdf.R")
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
# url del comunicado técnico
url_pdf_ssa_2403 <- "https://www.gob.mx/cms/uploads/attachment/file/543205/Tabla_casos_positivos_COVID-19_resultado_InDRE_2020.03.24.pdf"
# importar datos
flatten_ssa_pdf(url_pdf_ssa_2403)
#> # A tibble: 405 x 8
#> `Nº Caso` Estado Sexo Edad `Fecha de Inici… `Identificación… Procedencia
#> <dbl> <chr> <chr> <dbl> <chr> <chr> <chr>
#> 1 1 CIUDA… M 35 22/02/2020 confirmado Italia
#> 2 2 SINAL… M 41 22/02/2020 confirmado Italia
#> 3 3 CIUDA… M 59 23/02/2020 confirmado Italia
#> 4 4 COAHU… F 20 27/02/2020 confirmado Italia
#> 5 5 CHIAP… F 18 25/02/2020 confirmado Italia
#> 6 6 MÉXICO M 71 21/02/2020 confirmado Italia
#> 7 7 CIUDA… M 46 29/02/2020 confirmado Estados Un…
#> 8 8 QUERE… M 43 09/03/2020 confirmado España
#> 9 9 CIUDA… M 41 07/03/2020 confirmado Estados Un…
#> 10 10 CIUDA… F 30 07/03/2020 confirmado España
#> # … with 395 more rows, and 1 more variable: `Fecha de llegada a México` <chr>