使用PHP从PDF中提取内容

Question

请问如何使用PHP从PDF文档中提取内容？我面临的主要问题是格式。因此，请告诉我是否有一些方法可以提取具有相同格式的内容，并在在线文本编辑器上显示它。

谢谢

- jose

Answer 1

请看一下XPDF

我想你可以这样做

$text = shell_exec("pdftotext $pdffile");

关于在编辑器中显示它？好吧，使用哪个编辑器呢？ 为保留某种格式信息，并假设您所说的网页编辑器是 HTML 编辑器，您可以将其转换为 HTML。也许还有其他可用的工具，但由于我使用 xpdf，我遇到了基于 xpdf 的this 转换器。

基本用法

pdftohtml -noframes -c test.pdf test.html

将它导入您喜欢的编辑器中

echo file_get_contents('test.html');

你可能需要将一些内容封装在PHP函数/类中。而且你可能想要添加安全措施等等。

- Peter Lindqvist

Answer 2

据我所知，使用PHP实时将PDF转换为可编辑的HTML并保留格式是不可能的。目前市面上有许多桌面应用程序都试图从PDF中提取数据，但结果有时可靠性更高，有时则不太可靠。我认为这在现实中是不可能的，你只能使用XPDF或其他命令行工具提取纯文本。

也许基于XML的新PDF格式会有所不同，但我对此一无所知。

当然，如果有解决方案，请随时证明我是错的 - 如果有解决方案，我自己也会非常感兴趣。

- Pekka