php - php中的pdf文本提取器类

Question

php中是否有任何类可以从pdf文件中提取所有文本，以便我可以将其存储在mysql数据库中。我的 pdf 有许多元素，如图像、表格、纯文本、表单元素、图表等。

到目前为止，我在过去两天看到了许多提取文本的课程，但没有人促进完整的文本提取，而不是从 pdf 中提取完整的文本。

我想从给定的 pdf 文件中提取所有文本，即使文本在表​​格等中。

有人知道吗？:)

非常感谢。祝你今天过得愉快 ：）

Answer 1

如果您在 linux 服务器上运行它，您可以尝试使用apdf2text通过exec调用它，然后获取输出文件的内容。

请注意，周围有一些 pdf 到文本的脚本，您将获得不同的里程。

Answer 2

找到以下网址，

使用 PHP 从 PDF 中读取干净的文本

Answer 3

我测试了很多命令行程序，但没有一个有 100% 的结果。所以我在 PHP 中开始了我自己的库：

https://github.com/smalot/pdfparser

目前它是面向文本的，但将计划支持图像。

如果您遇到问题，感谢您将 PDF 发送给我，如果可能的话，请告诉我您制作它的方式。