在不使用COM对象的情况下，能否在PHP中读写Word（2003和2007）文件？ 我知道我可以：
$file = fopen('c:\file.doc', 'w+');
fwrite($file, $text);
fclose();
但是Word将把它视为HTML文件而不是本机的.doc文件。
在PHP中读写MS Word文件
32
但是Word将把它视为HTML文件而不是本机的.doc文件。
- Unkwntech
1
我认为如果不使用COM，你很难实现这个。 - Peter Bailey
16个回答
29
阅读二进制Word文档需要根据DOC格式的公开文件格式规范创建解析器。我认为这不是一个真正可行的解决方案。
您可以使用Microsoft Office XML格式来读写Word文件-这与Word 2003和2007版本兼容。对于阅读，您必须确保Word文档以正确的格式保存（在Word 2007中称为Word 2003 XML文档）。对于写作，您只需遵循公开可用的XML模式。我从未使用过此格式从PHP写出Office文档，但我正在使用它来读取Excel工作表（自然保存为XML电子表格2003），并在网页上显示其数据。由于文件仅是XML数据，因此导航并找出所需数据的提取方法没有问题。
另一个选项——仅适用于Word 2007的选项（如果未在Word 2003中安装OpenXML文件格式）——是使用OpenXML。正如databyss在here所指出的那样，DOCX文件格式只是包含XML文件的ZIP存档。关于OpenXML文件格式，MSDN上有很多资源，因此您应该能够找出如何读取所需数据。我认为编写将更加复杂，这只取决于您投入了多少时间。
您可以使用Microsoft Office XML格式来读写Word文件-这与Word 2003和2007版本兼容。对于阅读，您必须确保Word文档以正确的格式保存（在Word 2007中称为Word 2003 XML文档）。对于写作，您只需遵循公开可用的XML模式。我从未使用过此格式从PHP写出Office文档，但我正在使用它来读取Excel工作表（自然保存为XML电子表格2003），并在网页上显示其数据。由于文件仅是XML数据，因此导航并找出所需数据的提取方法没有问题。
另一个选项——仅适用于Word 2007的选项（如果未在Word 2003中安装OpenXML文件格式）——是使用OpenXML。正如databyss在here所指出的那样，DOCX文件格式只是包含XML文件的ZIP存档。关于OpenXML文件格式，MSDN上有很多资源，因此您应该能够找出如何读取所需数据。我认为编写将更加复杂，这只取决于您投入了多少时间。
也许您可以查看PHPExcel，它是一个库，能够使用OpenXML标准向Excel 2007文件写入和从Excel 2007文件读取。您可以通过尝试读取和编写OpenXML Word文档来了解涉及的工作量。
- sgehrig
1
1看起来 PHPExcel 的开发人员已经制作了 PHPWord，用于创建 Word 文档。 - Basic
17
这适用于vs < office 2007，它是纯PHP，没有COM垃圾，仍在尝试解决2007问题
<?php
/*****************************************************************
This approach uses detection of NUL (chr(00)) and end line (chr(13))
to decide where the text is:
- divide the file contents up by chr(13)
- reject any slices containing a NUL
- stitch the rest together again
- clean up with a regular expression
*****************************************************************/
function parseWord($userDoc)
{
$fileHandle = fopen($userDoc, "r");
$line = @fread($fileHandle, filesize($userDoc));
$lines = explode(chr(0x0D),$line);
$outtext = "";
foreach($lines as $thisline)
{
$pos = strpos($thisline, chr(0x00));
if (($pos !== FALSE)||(strlen($thisline)==0))
{
} else {
$outtext .= $thisline." ";
}
}
$outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$outtext);
return $outtext;
}
$userDoc = "cv.doc";
$text = parseWord($userDoc);
echo $text;
?>
- Mac
2
3如果您希望保留umlaut，则不要使用此选项。 - Jan Beck
我发现在这个函数中有一些特殊字符无法解析。 - Roger Ng
8
你可以使用Antiword，它是Linux和大多数流行操作系统的免费MS Word阅读器。
$document_file = 'c:\file.doc';
$text_from_doc = shell_exec('/usr/local/bin/antiword '.$document_file);
- Mantichora
5
8这种解决方案的问题在于它假设可以在服务器上安装软件。 - UnkwnTech
2有点长时间了，但如果我错了，请纠正我。
C:\file.doc是Windows目录，而/usr/local/bin是Linux/Unix目录？ - Daryl Gill1只要程序不需要提升权限，大多数程序都可以安装在您有写入权限的任何目录中。然后，您可以使用完整路径来引用该程序，或将安装目录添加到您的PATH变量中。 - Lie Ryan
@LieRyan，你错过了重点。如果你在共享托管环境中运行此程序，无论目录如何，你通常都不能安装任何软件。 - UnkwnTech
@UnkwnTech：安装时，我指的是将其简单地复制到您具有写入权限的任何目录中，并设置执行位。这适用于任何提供ssh访问或至少能够执行脚本的共享托管环境（即唯一无法工作的环境是仅限静态文件的托管环境，但那时您也不会谈论PHP）。如果您只有ftp访问权限而没有ssh，则仍然可以实现，尽管您可能需要编写一些PHP脚本来设置执行位。 - Lie Ryan
6
只是更新代码
<?php
/*****************************************************************
This approach uses detection of NUL (chr(00)) and end line (chr(13))
to decide where the text is:
- divide the file contents up by chr(13)
- reject any slices containing a NUL
- stitch the rest together again
- clean up with a regular expression
*****************************************************************/
function parseWord($userDoc)
{
$fileHandle = fopen($userDoc, "r");
$word_text = @fread($fileHandle, filesize($userDoc));
$line = "";
$tam = filesize($userDoc);
$nulos = 0;
$caracteres = 0;
for($i=1536; $i<$tam; $i++)
{
$line .= $word_text[$i];
if( $word_text[$i] == 0)
{
$nulos++;
}
else
{
$nulos=0;
$caracteres++;
}
if( $nulos>1996)
{
break;
}
}
//echo $caracteres;
$lines = explode(chr(0x0D),$line);
//$outtext = "<pre>";
$outtext = "";
foreach($lines as $thisline)
{
$tam = strlen($thisline);
if( !$tam )
{
continue;
}
$new_line = "";
for($i=0; $i<$tam; $i++)
{
$onechar = $thisline[$i];
if( $onechar > chr(240) )
{
continue;
}
if( $onechar >= chr(0x20) )
{
$caracteres++;
$new_line .= $onechar;
}
if( $onechar == chr(0x14) )
{
$new_line .= "</a>";
}
if( $onechar == chr(0x07) )
{
$new_line .= "\t";
if( isset($thisline[$i+1]) )
{
if( $thisline[$i+1] == chr(0x07) )
{
$new_line .= "\n";
}
}
}
}
//troca por hiperlink
$new_line = str_replace("HYPERLINK" ,"<a href=",$new_line);
$new_line = str_replace("\o" ,">",$new_line);
$new_line .= "\n";
//link de imagens
$new_line = str_replace("INCLUDEPICTURE" ,"<br><img src=",$new_line);
$new_line = str_replace("\*" ,"><br>",$new_line);
$new_line = str_replace("MERGEFORMATINET" ,"",$new_line);
$outtext .= nl2br($new_line);
}
return $outtext;
}
$userDoc = "custo.doc";
$userDoc = "Cultura.doc";
$text = parseWord($userDoc);
echo $text;
?>
- WIlson
4
虽然有趣，但它未能找到Word97文档的开头，并截断了文档。我发现它在1536和1996数字中，应该通过解析确定，而不是任意硬编码。此外，像智能引号、省略号、破折号和特殊单引号等特殊字符都被剥离了，输出中还出现了很多&符号。因此，这是一个有趣的开始，但需要大量改进。 - Volomike
您可能还想参考一下有关如何转换特殊 MS Word 字符的教程：http://www.toao.net/48-replacing-smart-quotes-and-em-dashes-in-mysql - Volomike
1该函数产生了一些奇怪的字符："Œ’ÛJA†ïßaÈ}7Û"ÒÙÞH¡w"ë„™ìw̤ھ½..." - Yoong Kim
@Volomike将
$nulus更改为更高的数字以避免中断。 - Peyman6
我不确定如何在PHP中读取原生Word文档，但如果你想在PHP中编写Word文档，WordprocessingML（又称WordML）可能是一个好的解决方案。你只需要按正确格式创建一个XML文档即可。我相信Word 2003和2007都支持WordML。
- lencioni
3
2007年可能也有点复杂。
.docx格式是一个zip文件，其中包含一些其他文件夹和文件，用于格式化和其他内容。
将.docx文件重命名为.zip，您就会明白我的意思。
因此，如果您可以在PHP中处理zip文件，您应该走在正确的道路上。
- databyss
2
直接使用以下类来读取Word文档。最初的回答来源于：此处。
class DocxConversion{
private $filename;
public function __construct($filePath) {
$this->filename = $filePath;
}
private function read_doc() {
$fileHandle = fopen($this->filename, "r");
$line = @fread($fileHandle, filesize($this->filename));
$lines = explode(chr(0x0D),$line);
$outtext = "";
foreach($lines as $thisline)
{
$pos = strpos($thisline, chr(0x00));
if (($pos !== FALSE)||(strlen($thisline)==0))
{
} else {
$outtext .= $thisline." ";
}
}
$outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$outtext);
return $outtext;
}
private function read_docx(){
$striped_content = '';
$content = '';
$zip = zip_open($this->filename);
if (!$zip || is_numeric($zip)) return false;
while ($zip_entry = zip_read($zip)) {
if (zip_entry_open($zip, $zip_entry) == FALSE) continue;
if (zip_entry_name($zip_entry) != "word/document.xml") continue;
$content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));
zip_entry_close($zip_entry);
}// end while
zip_close($zip);
$content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content);
$content = str_replace('</w:r></w:p>', "\r\n", $content);
$striped_content = strip_tags($content);
return $striped_content;
}
/************************excel sheet************************************/
function xlsx_to_text($input_file){
$xml_filename = "xl/sharedStrings.xml"; //content file name
$zip_handle = new ZipArchive;
$output_text = "";
if(true === $zip_handle->open($input_file)){
if(($xml_index = $zip_handle->locateName($xml_filename)) !== false){
$xml_datas = $zip_handle->getFromIndex($xml_index);
$xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
$output_text = strip_tags($xml_handle->saveXML());
}else{
$output_text .="";
}
$zip_handle->close();
}else{
$output_text .="";
}
return $output_text;
}
/*************************power point files*****************************/
function pptx_to_text($input_file){
$zip_handle = new ZipArchive;
$output_text = "";
if(true === $zip_handle->open($input_file)){
$slide_number = 1; //loop through slide files
while(($xml_index = $zip_handle->locateName("ppt/slides/slide".$slide_number.".xml")) !== false){
$xml_datas = $zip_handle->getFromIndex($xml_index);
$xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
$output_text .= strip_tags($xml_handle->saveXML());
$slide_number++;
}
if($slide_number == 1){
$output_text .="";
}
$zip_handle->close();
}else{
$output_text .="";
}
return $output_text;
}
public function convertToText() {
if(isset($this->filename) && !file_exists($this->filename)) {
return "File Not exists";
}
$fileArray = pathinfo($this->filename);
$file_ext = $fileArray['extension'];
if($file_ext == "doc" || $file_ext == "docx" || $file_ext == "xlsx" || $file_ext == "pptx")
{
if($file_ext == "doc") {
return $this->read_doc();
} elseif($file_ext == "docx") {
return $this->read_docx();
} elseif($file_ext == "xlsx") {
return $this->xlsx_to_text();
}elseif($file_ext == "pptx") {
return $this->pptx_to_text();
}
} else {
return "Invalid File Type";
}
}
}
$docObj = new DocxConversion("test.docx"); //replace your document name with correct extension doc or docx
echo $docText= $docObj->convertToText();
- Mohamed Faalil
2
www.phplivedocx.org是基于SOAP的服务，这意味着您始终需要在线测试文件，而且该网站没有足够的使用示例。奇怪的是，我在下载了2天后才发现它是一个基于SOAP的程序（我被诅咒了！！！）...我认为在Linux服务器上没有COM就不可能实现，唯一的想法是将文档文件更改为另一个可用的文件，以便PHP可以解析...
- jahajee
1
Office 2007的.docx格式应该是可以的，因为它是一个XML标准。Word 2003可能需要使用COM才能读取，即使现在微软已经发布了这些标准，因为这些标准非常庞大。我还没有看到很多编写与它们匹配的库。
- acrosman
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接