Question

我使用以下行从R

中的PDF导入文本

uri <- sprintf("name.pdf", system.file(file.path("doc", "tm.pdf"),
                package = "tm"))

但是，我想直接使用我在第一个参数中获取PDF的URL，而不是我硬盘中的PDF文件。

Answer 1

我怀疑问题是readPDF文档中的示例使用此行创建本地文件URL：

uri <- sprintf("file://%s", system.file(file.path("doc", "tm.pdf"), package = "tm"))

~~您无需为ftp或http网址执行此操作，只需按原样传递网址即可。 readPDF只接受的网址，因此即使本地文件路径也必须转换为URI。~~

您可以简单地写一下：

uri <- "http://cran.r-project.org/web/packages/tm/tm.pdf"

要获取tm软件包的文档，请继续使用readPDF阅读：

uri <- "http://cran.r-project.org/web/packages/tm/tm.pdf" pdf <- readPDF(control = list(text = "-layout"))(elem = list(uri = uri), language = "en", id = "id1")

尽管readPDF需要一个URL，但至少在Windows中，您只能将其与本地文件一起使用。 readPDF本质上充当外部命令的包装器，因此URI将 as-is 传递给pdftotext（对于xpdf）或您指定的引擎使用的任何命令。除非命令理解URL，否则它将失败并显示警告。

唯一真正的替代方案是使用download.file在本地下载文件，然后使用readPDF阅读：

uri <- "http://cran.r-project.org/web/packages/tm/tm.pdf"
download.file(uri,"tm.pdf",method="internal",mode="wb")
pdf <- readPDF(control = list(text = "-layout"))(elem = list(uri = "tm.pdf"),
                                               language = "en",
                                               id = "id1")
content(pdf)[1:13]

我可以使用相对文件路径，因为uri参数按原样传递，它根本不被视为URI。我也能够通过"h:\\documents\\tm.pdf"和"h:/documents/tm.pdf"。

在R中使用url pdf而不是file pdf

1 个答案: