Nie mogę myśleć o czystym R sposób to zrobić, ale prawdopodobnie można zainstalować swoje ulubione narzędzie PDF wiersza polecenia (na przykład, the PDF toolkit, PDFtk i używać, aby uzyskać co najmniej niektóre z dane szukasz.
Poniżej znajduje się prosty przykład za pomocą pdftk. zakłada on, że pdftk
dostępny jest na swojej drodze.
x <- getwd() ## I'll run this example in a tempdir to keep things clean
setwd(tempdir())
list.files(pattern="*.txt$|*.pdf$")
# character(0)
pdf(file = "SomeOutputFile.pdf")
plot(rnorm(100))
dev.off()
system("pdftk SomeOutputFile.pdf data_dump output SomeOutputFile.txt")
list.files(pattern="*.txt$|*.pdf$")
# [1] "SomeOutputFile.pdf" "SomeOutputFile.txt"
readLines("SomeOutputFile.txt")
# [1] "InfoBegin" "InfoKey: Creator"
# [3] "InfoValue: R" "InfoBegin"
# [5] "InfoKey: Title" "InfoValue: R Graphics Output"
# [7] "InfoBegin" "InfoKey: Producer"
# [9] "InfoValue: R 3.0.1" "InfoBegin"
# [11] "InfoKey: ModDate" "InfoValue: D:20131102170720"
# [13] "InfoBegin" "InfoKey: CreationDate"
# [15] "InfoValue: D:20131102170720" "NumberOfPages: 1"
# [17] "PageMediaBegin" "PageMediaNumber: 1"
# [19] "PageMediaRotation: 0" "PageMediaRect: 0 0 504 504"
# [21] "PageMediaDimensions: 504 504"
setwd(x)
będę patrzeć na to, co inne opcje są do określenia w metadane kapelusza zostaną wyodrębnione i sprawdź, czy istnieje wygodny sposób na przeanalizowanie tych informacji w formie, która jest bardziej przydatna dla Ciebie.
Spójrz na pakiet tm 'readPDF'. –
Dzięki - wygląda świetnie, ale nie jest to oczywiste w użyciu. Opowiem, kiedy uda mi się napisać kod wyodrębniający np. Producenta treści. –
'file.info()' dostaniesz niektóre z tych informacji – GSee