如何在页面上查找 R 图形的字节大小？

Question

我想监控 R 中在各个页面上生成的图形的基本质量，例如每页的字节大小，... 我现在只能对平均页面进行质量保证，请参阅以下章节。 我认为该任务必须有一些内置的东西而不是平均措施。

在Rplots.pdf 中生成 4 个页面的代码，我想知道此处输出中每个页面的字节大小；也欢迎页面输出的任何其他统计信息； 您可以通过对象here 获得基本的内存监控，但我希望它与 PDF 中的输出相对应

# https://stat.ethz.ch/R-manual/R-devel/library/graphics/html/plot.html
require(stats) # for lowess, rpois, rnorm
plot(cars)
lines(lowess(cars))

plot(sin, -pi, 2*pi) # see ?plot.function

## Discrete Distribution Plot:
plot(table(rpois(100, 5)), type = "h", col = "red", lwd = 10,
     main = "rpois(100, lambda = 5)")

## Simple quantiles/ECDF, see ecdf() {library(stats)} for a better one:
plot(x <- sort(rnorm(47)), type = "s", main = "plot(x, type = \"s\")")
points(x, cex = .5, col = "dark red")

## TODO summarise here the byte size of figures in the figures (1-4)
# Output: Rplot.pdf where 4 pages; I want to know the size of each page in bytes

我目前正在命令行中进行基本的质量保证，但想将其中一些移到 R 中，以便更快地观察错误。

预期输出：字节大小，例如ls -l 的第 4 列

获取输出文档中平均单个页面的字节大小

限制

• 要求页面中数据的同质性。此方法仅适用于所有页面均来自同一样本的情况。 否则很麻烦，因为它只是平均的，没有描述个别现象。 其他可能的弱点
• PDF 元素和元数据。整体考虑 pdf 文件，而不是关注图形对象本身。所以这限制了绝对值的使用，因为文件大小还包含标题和其他与图形对象无关的元数据。

代码

filename <- "main.pdf"
filesize <- file.size(filename)
# http://unix.stackexchange.com/q/331175/16920
pages <- Rpoppler::PDF_info(filename)$Pages 

# print page size (= filesize / pages)
pagesize <- filesize / pages

## data of example file 
num 7350960
int 62
num 118564

输入：任何 62 页的文档
输出：平均单个页面大小（118564）

测试and's答案

输出，但您无法轻松地将输入更改为您想要的 pdf 文件

     files                             size_bytes 
[1,] "./test_page_size_pdf/page01.pdf" "4,123,942"
[2,] "./test_page_size_pdf/page02.pdf" "    4,971"
[3,] "./test_page_size_pdf/page03.pdf" "    4,672"
[4,] "./test_page_size_pdf/page04.pdf" "    5,370"

输入：任何 64 页的文档
预期输出：67 (= 64 + 3) 页，而不是 4 页分析

R：3.3.2
操作系统：Debian 8.5

Answer 1

如果您的系统上尚未安装 pdftk 实用程序，请下载并安装它，然后在 R 中尝试以下替代方法之一。

1) 它将返回一个数据帧，其中包含页面文件大小（以字节为单位）和其他信息。

myfile <- "Rplots.pdf"
system(paste("pdftk", myfile, "burst"))
file.info(Sys.glob("pg_*.pdf"))

它还会生成一个文件 doc_data.txt，其中包含一些可能感兴趣也可能不感兴趣的杂项信息。

1a) 此替代方法不会生成任何文件。它只会将页面的字符大小作为数字向量返回。

myfile <- "Rplots.pdf"
pages <- as.numeric(read.dcf(pipe(paste("pdftk", myfile, "dump_data")))[, "NumberOfPages"])
cmds <- sprintf("pdftk %s cat %d output - | wc -c", myfile, seq_len(pages))
unname(sapply(cmds, function(cmd) scan(pipe(cmd), quiet = TRUE)))

如果pdftk 和wc 在您的路径上，上述方法应该可以工作。请注意，在 Windows 上，您可以在 Rtools 发行版中找到 wc，并且通常在安装 Rtools 后位于 "C:\\Rtools\\bin\\wc"。

2) 此替代方案与 (1) 类似，但使用动画包：

library(animation)

ani.options(pdftk = "/path/to/pdftk")
pdftk("Rplots.pdf", "burst", "pg_%04d.pdf", "")
file.info(Sys.glob("pg_*.pdf"))

Answer 2

要测量 pdf 文件中每一页的大小，我建议这样做：

test_size <- TRUE
pdf_name <- "masterpiece"

if(test_size){
  dir.create("test_page_size_pdf")
  pdf_address <- paste0("./test_page_size_pdf/page%02d.pdf")  
} else { pdf_address <- paste0("./", pdf_name, ".pdf")}

pdf(pdf_address, width=10, height=6, onefile=!test_size)
par(mar=c(1,1,1,1), oma=c(1,1,1,1))

  plot(rnorm(10^6, 100, 5), type="l")
  plot(sin, -pi, 2*pi) 
  plot(table(rpois(100, 5)), type = "h", col = "red", lwd = 10,
     main = "rpois(100, lambda = 5)")
  plot(x <- sort(rnorm(47)), type = "s", main = "plot(x, type = \"s\")")
  points(x, cex = .5, col = "dark red")

dev.off()

if(test_size){
  files <- paste0("./test_page_size_pdf/", list.files("./test_page_size_pdf/"))
  size_bytes <- format(file.size(files), big.mark = ",")
  file.remove(files)
  file.remove("test_page_size_pdf")
  cbind(files, size_bytes)
}

R 中 pdf 页面的大小取决于三件事：plot() 的内容、pdf() 函数中使用的选项以及在par() 中定义的绘图选项。

这一切都难以估计。你还提到你喜欢有类似于 shell 函数ls 的东西，它也可以在文件上运行。所以在这个解决方案中，我创建了一个临时文件夹dir.create()，我们在其中将 pdf 的每一页分别保存在一个文件中。我们使用选项onefile 来实现这一点。绘图完成后，每个 pdf 页面文件以及临时文件夹都将被删除。你可以在控制台中看到结果。

如果您已完成测试并希望将结果保存在单个文件中，您只需在此脚本的第一行中更改变量 test_size <- FALSE。顺便一提;我怀疑页面大小是否代表图像质量。 Pdf 是矢量格式，因此大小与元素的数量相对应：请参阅我绘制 1mio 点的示例中第一页的大小。