php - 将 PDF 转换为字符串

Question

如何读取 PDF 文件并将内容放入字符串？使用 PHP 语言。

Answer 1

您可以使用 Linux 上 Xpdf 包附带的 pdftotext 之类的东西。然后可以使用 popen 命令将 pdftotext 的输出通过管道传输到字符串中：

$mystring = "";
$fd = popen("/usr/bin/pdftotext blah.pdf","r");
if ($fd) {
    while (($myline = fgets($fd)) !== false) {
        $mystring .= $myline;
    }
}

Answer 2

发现这个非常好的课程！此外，您可以添加功能以满足您的需求。

• PDF2Text - 粘贴箱

可能这些将帮助您添加功能：

• http://www.adobe.com/devnet/pdf/pdf_reference.html

• http://www.adobe.com/content/dam/Adobe/en/devnet/acrobat/pdfs/PDF32000_2008.pdf

如果它不起作用，请检查在 Adob​​e Reader 中打开时是否可以突出显示/标记文本（如果不能，文件中的文本可能保存为几何曲线），还要检查编码。

Answer 3

在您的服务器上安装 APACHE-TIKA。APACHE-TIKA 支持的不仅仅是 pdf 文件。安装指南： http ://www.acquia.com/blog/use-apache-solr-search-files

最终代码很简单：

$string = "";
$fd = popen("java -jar yourpathtotika/tika-app-1.3.jar -t yourpathtopdf/sample.pdf","r");
while (!feof($fd)) { 
$buffer = fgets($fd, 4096); 
$string .= $buffer;
}
echo $string;

Answer 4

您可以使用此处提供的 PHP 类：

http://www.pdftotext.eu

这是一个完全用纯 PHP 编写的公共领域 PDF 文本提取器，这意味着您不需要依赖外部命令。它提供了一个简单的接口来检索文本：

include ( 'PdfToText.phpclass' ) ;
$pdf = new PdfToText ( 'mysample.pdf' ) ;
echo "PDF contents are : " . $pdf -> Text . "\n" ;