從MATLAB運行JavaScript命令來獲取PDF文件

Question

我目前正在編寫一些MATLAB代碼來與我公司的內部報告數據庫進行交互。到目前爲止，我可以使用代碼看起來像這樣訪問HTML摘要頁面：

import com.mathworks.mde.desk.*; 
wb=com.mathworks.mde.webbrowser.WebBrowser.createBrowser; 
wb.setCurrentLocation(ReportURL(8:end)); 
pause(1); 

s={}; 
while isempty(s) 
    s=char(wb.getHtmlText); 
    pause(.1); 
end 
desk=MLDesktop.getInstance; 
desk.removeClient(wb); 

我可以從可變s最終的HTML文本中提取出的各種信息片段，但是，該報告的PDF是通過我認爲是JavaScript命令（onClick =「gotoFulltext（''，'[Report Number]'）」）進行訪問。

關於我如何執行這個JavaScript命令並將PDF文件的內容轉換爲MATLAB變量的任何想法？

（MATLAB坐落在Java之上，所以我相信一個Java的解決方案將工作...）

Answer 1

我想你應該看看正被調用的JavaScript，看看到最後的請求webserver看起來像。

您可以在Firefox中使用FireBug插件輕鬆完成此操作。

https://addons.mozilla.org/en-US/firefox/addon/1843

一旦你找到了真正的服務器請求，那麼你可以請求該URL或交至該網址，而不是試圖運行的JavaScript。

Answer 2

一旦您獲得了正確的URL（a la the answer from pjp），您的下一個問題就是「將PDF文件的內容變爲MATLAB變量」。無論這是可能取決於你所說的「內容」是什麼？

---

如果你想在PDF文件的原始數據，我不認爲有一種方法目前要在MATLAB中做到這一點。該URLREAD功能是我認爲的閱讀從一個URL的內容轉換爲字符串的第一件事情，但它有本說明文檔中：

s = urlread('url')讀取在URL的內容 到字符串s。如果 服務器返回二進制數據，s將 不可讀。

事實上，如果你試圖閱讀PDF如下面的例子中，s包含一些文本與大部分垃圾混雜：

s = urlread('http://samplepdf.com/sample.pdf'); 

---

如果你想從文本PDF文件，你有一些選擇。首先，你可以使用URLWRITE到URL的內容保存到一個文件：

urlwrite('http://samplepdf.com/sample.pdf','temp.pdf'); 

那麼你應該能夠使用兩個提交一個關於The MathWorks File Exchange提取從PDF文本：

• Extract text from a PDF document通過Dimitri Shvorob
• PDF Reader通過Tom Gaudette

如果單純要視圖 PDF格式，你可以在Adobe Acrobat與OPEN功能打開：

open('temp.pdf'); 

Answer 3

wb=com.mathworks.mde.webbrowser.WebBrowser.createBrowser; 
wb.executeScript('javascript:alert(''Some code from a link'')'); 
desk=com.mathworks.mde.desk.MLDesktop.getInstance; 
desk.removeClient(wb);