(Windows 7/R w wersji 3.0.1)Błąd próby odczytu pliku PDF za pomocą readPDF z pakietu tm
Poniżej poleceń i powstały błąd:
> library(tm)
> pdf <- readPDF(PdftotextOptions = "-layout")
> dat <- pdf(elem = list(uri = "17214.pdf"), language="de", id="id1")
Error in file(con, "r") : cannot open the connection
In addition: Warning message:
In file(con, "r") :
cannot open file 'C:\Users\Raffael\AppData\Local\Temp
\RtmpS8Uql1\pdfinfo167c2bc159f8': No such file or directory
Jak mogę rozwiązać ten problem ?
EDIT I
(Jak sugeruje Ben i opisane here)
Pobrałem Xpdf kopiowane z wersji 32-bitowej do C:\Program Files (x86)\xpdf32
i wersji 64-bitowej do C:\Program Files\xpdf64
Zmienne środowiskowei pdftotext
odnoszą się do odpowiednich plików wykonywalnych albo 32-bitowej (testowane z R 32-bitowej) lub 64-bitowego (testowane z R 64-bitowej)
Edycja II
Jeden bardzo kłopotliwe obserwacji jest to, że wychodząc z świeże sesji (tm nie załadowany) ostatnie polecenie sam będzie produkować błąd:
> dat <- pdf(elem = list(uri = "17214.pdf"), language="de", id="id1")
Error in file(con, "r") : cannot open the connection
In addition: Warning message:
In file(con, "r") :
cannot open file 'C:\Users\Raffael\AppData\Local\Temp\RtmpKi5GnL
\pdfinfode8283c422f': No such file or directory
ja tego nie rozumiem w ogóle, ponieważ zmienna funkcja nie jest zdefiniowane przez tm.readPDF jeszcze. Poniżej znajdziesz funkcja pdf odnosi się do „naturalnie” i co jest zwracane przez tm.readPDF:
> pdf
function (elem, language, id)
{
meta <- tm:::pdfinfo(elem$uri)
content <- system2("pdftotext", c(PdftotextOptions, shQuote(elem$uri),
"-"), stdout = TRUE)
PlainTextDocument(content, meta$Author, meta$CreationDate,
meta$Subject, meta$Title, id, meta$Creator, language)
}
<environment: 0x0674bd8c>
> library(tm)
> pdf <- readPDF(PdftotextOptions = "-layout")
> pdf
function (elem, language, id)
{
meta <- tm:::pdfinfo(elem$uri)
content <- system2("pdftotext", c(PdftotextOptions, shQuote(elem$uri),
"-"), stdout = TRUE)
PlainTextDocument(content, meta$Author, meta$CreationDate,
meta$Subject, meta$Title, id, meta$Creator, language)
}
<environment: 0x0c3d7364>
Widocznie nie ma różnicy - to dlaczego użycie readPDF w ogóle?
EDIT III
pliku PDF znajduje się tutaj: C:\Users\Raffael\Documents
> getwd()
[1] "C:/Users/Raffael/Documents"
EDIT IV
pierwszej instrukcji w pdf()
jest wezwaniem do tm:::pdfinfo()
- a tam błąd jest spowodowany w ciągu pierwszych kilku liniach:
> outfile <- tempfile("pdfinfo")
> on.exit(unlink(outfile))
> status <- system2("pdfinfo", shQuote(normalizePath("C:/Users/Raffael/Documents/17214.pdf")),
+ stdout = outfile)
> tags <- c("Title", "Subject", "Keywords", "Author", "Creator",
+ "Producer", "CreationDate", "ModDate", "Tagged", "Form",
+ "Pages", "Encrypted", "Page size", "File size", "Optimized",
+ "PDF version")
> re <- sprintf("^(%s)", paste(sprintf("%-16s", sprintf("%s:",
+ tags)), collapse = "|"))
> lines <- readLines(outfile, warn = FALSE)
Error in file(con, "r") : cannot open the connection
In addition: Warning message:
In file(con, "r") :
cannot open file 'C:\Users\Raffael\AppData\Local\Temp\RtmpquRYX6\pdfinfo8d419174450': No such file or direc
Widocznie tempfile()
po prostu nie tworzy pliku.
> outfile <- tempfile("pdfinfo")
> outfile
[1] "C:\\Users\\Raffael\\AppData\\Local\\Temp\\RtmpquRYX6\\pdfinfo8d437bd65d9"
Folder C:\Users\Raffael\AppData\Local\Temp\RtmpquRYX6
istnieje i posiada kilka plików, ale żaden nazywa pdfinfo8d437bd65d9
.
Czy masz poprawnie skonfigurowaną "PATH" pdf2txt? Zobacz tutaj, aby uzyskać szczegółowe informacje: https://stat.ethz.ch/pipermail/r-help/2008-November/180201.html – Ben
, proszę spojrzeć na zredagowane pytanie – Raffael