我们出于好奇,是否有一种方法可以从R中读取PDF元数据(例如下面显示的信息)?
通过在[r] pdf metadata
当前问题库中进行搜索,我对此一无所知。任何指针都非常欢迎!
我想不出一种纯R的方法,但是您可能可以安装自己喜欢的PDF命令行工具(例如PDF工具包,PDFtk,并使用它来获取至少一些您正在寻找的数据。
以下是使用PDFtk的基本示例。它假定pdftk
您在路径中可以访问它。
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)
我将研究还有哪些其他选项可以指定要提取哪些元数据,并查看是否存在一种方便的方法将这些信息解析为对您更有用的形式。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句