从 MATLAB 运行 JavaScript 命令以获取 PDF 文件

Question

我目前正在编写一些MATLAB 代码来与我公司的内部报告数据库进行交互。到目前为止，我可以使用如下代码访问 HTML 摘要页面：

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);

我可以从以变量 s 结尾的 HTML 文本中提取各种信息，但是我认为可以通过 JavaScript 命令访问报告的 PDF（onClick="gotoFulltext(' ','[报告编号]')").

关于如何执行此 JavaScript 命令并将 PDF 文件的内容放入 MATLAB 变量的任何想法？

（MATLAB 位于 Java 之上，所以我相信 Java 解决方案可以工作......）

Answer 1

我认为你应该看看被调用的 JavaScript，看看对网络服务器的最终请求是什么样的。

您可以使用 FireBug 插件在 Firefox 中轻松完成此操作。

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

一旦你找到了真正的服务器请求，你就可以请求这个 URL 或者发布到这个 URL，而不是尝试运行 JavaScript。

Answer 2

一旦您获得了正确的 URL（例如 the answer from pjp），您的下一个问题就是“将 PDF 文件的内容放入 MATLAB 变量中”。这是否可能取决于您所说的“内容”......

---

如果您想获取 PDF 文件中的原始数据，我认为目前在 MATLAB 中没有办法做到这一点。 URLREAD 函数是我首先想到的将内容从 URL 读入字符串的方法，但它在文档中有这样的注释：

s = urlread('url') 读取内容 在 URL 中插入字符串 s。如果 服务器返回二进制数据，s 将 不可读。

确实，如果您尝试阅读以下示例中的 PDF，s 包含一些混杂着大部分垃圾的文本：

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

---

如果您想从 PDF 文件中获取文本，您有一些选择。首先，您可以使用URLWRITE 将URL 的内容保存到文件中：

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

那么您应该能够使用The MathWorks File Exchange 上的两个提交之一从 PDF 中提取文本：

• Extract text from a PDF documentDimitri Shvorob
• PDF ReaderTom Gaudette

如果您只是想查看 PDF，您可以在 Adob​​e Acrobat 中使用OPEN 函数打开它：

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);