php - 在 php 中计算 .doc、.docx、.rtf 或 .pdf 文件中的字数

Question

我有一个 PHP 应用程序，它接受来自用户的 .doc、.docx、.pdf 和 .rtf 文件。然后应用程序计算上传文档中的字数以计算价格。

我一直在寻找这个问题。我所知道的是，这可以很容易地用 COM 类完成，但这只适用于 Windows 服务器而不是 Linux。我的应用程序在 Linux 服务器上运行。

谁能告诉我如何实现这一目标？

Answer 1

阿帕奇 POI

Apache POI 可以从 Microsoft 格式中提取。文本提取相当简单，所以应该没问题，尽管据我所知 docx 被认为是实验性的

创建一个简单的命令行程序，直接返回字数或返回文件的文本内容应该相当简单。我以前使用过 POI 来索引 Microsoft 文档，并且效果很好。

LibreOffice / OpenOffice

• soffice --headless --convert-to txt:text <file>
• 也可以处理.odt,.rtf等...（虽然不是 PDF）
• 虽然可能不是最快的解决方案

还有一些库做的基本相同，同时提供了一个通用的接口，比如

• 多维特

负面的

正如评论中提到的那样，那里有“很多”这样的图书馆，我做了一些研究，但不是很成功；我找到了以下库，但似乎没有一个真正具有所需的功能

• PHPWord：只能写docx
• PHPDocX：也仅用于生成，但可以从现有 docx 中提取，但不能从二进制 doc 格式中提取。Pro 版本有一个转换器，但它需要 Java，所以我敢打赌它在后台使用 Apache POI。

---

但是，对于 PDF，您必须获得另一种解决方案。但是那里确实有大量的 PHP PDF 库，其中大多数至少是不错的，因为 PDF 是一种定义明确的格式，如果没有其他的话。