我需要一个可以从文档(doc, doxc, pdf, html, rtf, odt...)中提取文本的库。是否有一个库(适用于所有文档类型)可以实现这个目的?
我需要一个可以从文档(doc, doxc, pdf, html, rtf, odt...)中提取文本的库。是否有一个库(适用于所有文档类型)可以实现这个目的?
OpenTBS 是一个 PHP 工具,可以读取和修改任何 OpenDocument 文件(ODT、ODS、ODG、ODF、ODM、ODP、OTT、OTS、OTG、OTP)。同时也支持 OpenXML 文件(DOCX、XLSX、PPTX)。
如果您需要将不受支持的文件格式转换为 OpenTBS 支持的格式之一,那么这个工具就可以胜任。
除了Windows系统之外,没有类似的库可以为您完成这项工作,并且未来也很可能不会有。主要原因是您指定的文档格式会不断更新。
但是,在Windows上,如果安装了php,您肯定可以使用activex扩展轻松读取所有这些格式,并且除了在计算机上安装php之外,您还需要安装适当的办公应用程序才能使其正常工作。这也确保了文档的将来版本在您的php代码中继续工作,只要您的办公应用程序可以读取这些文档即可。在php库集合中寻找“php win32”库,您应该能够找到一些不错的东西。