r语言 - 获取 .url(Windows URL 快捷方式)文件的 URL

Question

我想在R中获取.url快捷方式文件(在Windows中制作(的URL。

文件格式如下所示：

[{000214A0-0000-0000-C000-000000000046}]
Prop4=31,Stack Overflow - Where Developers Learn, Share, & Build Careers
Prop3=19,11
[{A7AF692E-098D-4C08-A225-D433CA835ED0}]
Prop5=3,0
Prop9=19,0
[InternetShortcut]
URL=https://stackoverflow.com/
IDList=
IconFile=https://cdn.sstatic.net/Sites/stackoverflow/img/favicon.ico?v=4f32ecc8f43d
IconIndex=1
[{9F4C2855-9F79-4B39-A8D0-E1D42DE1D5F3}]
Prop5=8,Microsoft.Website.E7533471.CBCA5933

并有一些文档。

我用过file.info().但我猜它只显示第一个属性标题的信息。

我需要在 R 中执行此操作，因为我有一长串.url文件，我需要转换哪些地址。

Answer 1

粗略的方式(我将在几秒钟内更新(：

ini::read.ini("https://rud.is/dl/example.url")$InternetShortcut$URL
## [1] "https://rud.is/b/2017/11/11/measuring-monitoring-internet-speed-with-r/"

稍微不那么粗糙：

read_url_shortcut <- function(x) {
  require(ini)
  x <- ini::read.ini(x)  
  x[["InternetShortcut"]][["URL"]]
}

如果没有ini包依赖项：

read_url_shortcut <- function(x) {
  x <- readLines(x)
  x <- grep("^URL", x, value=TRUE)
  gsub("^URL[[:space:]]*=[[:space:]]*", "", x)
}

更多"值得生产"的版本：

#' Read in internet shortcuts (.url or .webloc) and extract URL target
#' 
#' @param shortcuts character vector of file path+names or web addresses
#'        to .url or .webloc files to have URL fields extracted from.
#' @return character vector of URLs
read_shortcut <- function(shortcuts) {
  require(ini)
  require(xml2)
  require(purrr)
  purrr::map_chr(shortcuts, ~{
    if (!grepl("^http[s]://", .x)) {
      .x <- path.expand(.x)
      if (!file.exists(.x)) return(NA_character_)
    }
    if (grepl("\.url$", .x)) {
      .ini <- suppressWarnings(ini::read.ini(.x)) # get encoding issues otherwise
      .ini[["InternetShortcut"]][["URL"]][1] # some evidence multiple are supported but not sure so being safe
    } else if (grepl("\.webloc$", .x)) {
      .x <- xml2::read_xml(.x)
      xml2::xml_text(xml2::xml_find_first(.x, ".//dict/key[contains(., 'URL')]/../string"))[1] # some evidence multiple are supported but not sure so being safe
    } else {
      NA_character_
    }  
  })
}

理想情况下，这样的函数将返回单个数据框行，其中包含可以找到的所有相关信息(标题、URL 和图标 URL、创建/修改日期等(。我宁愿不要让我的 Windows VM 保持足够长的时间来生成足够的样本来做到这一点。

注意：上述"生产"就绪版本仍然不能正常处理文件或网址不可读/无法访问的边缘情况，也不能处理格式错误的.url或.webloc文件。