(Windows 7/R версия 3.0.1)Ошибка при чтении PDF с помощью readPDF из пакета тм
Ниже команд и результирующая ошибка:
> 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
Как решить эту проблему ?
EDIT Я
(Как предложил Бен и описал here)
Я скачал Xpdf скопировано 32-битную версию для C:\Program Files (x86)\xpdf32
и 64-битной версии для C:\Program Files\xpdf64
Переменные окруженияи pdftotext
имеют в виду соответствующих исполняемых файлов либо 32-х (проверено с R 32 бита) или в 64-битной (протестированы с R 64 бит)
РЕДАКТИРОВАТЬ II
Один очень запутанным наблюдение состоит в том, что, начиная с свежая сессия (тм не загружен) одна последняя команда произведет ошибку:
> 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
Я не понимаю, это вовсе не потому, что переменная функция не определяемый tm.readPDF. Ниже вы найдете функцию PDF относится к «естественным» и к тому, что возвращается 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>
Видимо нет никакой разницы - то зачем использовать readPDF вообще?
EDIT III
Файл PDF находится здесь: C:\Users\Raffael\Documents
> getwd()
[1] "C:/Users/Raffael/Documents"
EDIT IV
Первая инструкция в pdf()
призыв к tm:::pdfinfo()
- и ошибка вызвана в течение первых нескольких строк:
> 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
Видимо tempfile()
просто не создает файл.
> outfile <- tempfile("pdfinfo")
> outfile
[1] "C:\\Users\\Raffael\\AppData\\Local\\Temp\\RtmpquRYX6\\pdfinfo8d437bd65d9"
C:\Users\Raffael\AppData\Local\Temp\RtmpquRYX6
Папка существует и имеет некоторые файлы, но ни один не назван pdfinfo8d437bd65d9
.
У вас есть правильно настроенный pdf2txt 'PATH'? См. Здесь подробности: https://stat.ethz.ch/pipermail/r-help/2008-November/180201.html – Ben
, пожалуйста, посмотрите на отредактированный вопрос – Raffael