(Windows 7/R версии 3.0.1)
Ниже команды и полученная 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?
ИЗМЕНИТЬ I
(Как предложено Беном и описано здесь)
Я скачал Xpdf, скопировал 32-битную версию в C:\Program Files (x86)\xpdf32
, а 64-битную версию в C:\Program Files\xpdf64
.
Переменные среды pdfinfo
и pdftotext
относятся к соответствующим исполняемым файлам либо 32-разрядным (протестировано с 32-разрядным R), либо к 64-разрядным (проверено с 64-разрядным R).
ИЗМЕНИТЬ II
Одно очень запутанное наблюдение заключается в том, что, начиная с нового сеанса (tm не загружен), только последняя команда вызовет 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 вообще этого не понимаю, потому что функциональная переменная еще не определена в tm.readPDF. Ниже вы найдете, что функция pdf относится к «естественно» и к тому, что возвращает 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 разницы нет - тогда зачем вообще использовать readPDF?
ИЗМЕНИТЬ III
Файл в формате pdf находится здесь: C:\Users\Raffael\Documents
> getwd()
[1] "C:/Users/Raffael/Documents"
ИЗМЕНИТЬ IV
Первая инструкция в pdf()
- это вызов tm:::pdfinfo()
- и там ошибка возникает в первых нескольких строках:
> 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"
Папка C:\Users\Raffael\AppData\Local\Temp\RtmpquRYX6
существует и содержит несколько файлов, но ни один из них не называется pdfinfo8d437bd65d9
.
PATH
? Подробнее см. здесь: stat.ethz.ch/pipermail/r -help/2008-ноябрь/180201.html - person Ben   schedule 31.07.2013