Question

如何使用PHP搜索某些文件（如PDF，doc，docs或txt）中的文本？我想在MySQL中执行与全文搜索类似的功能，但这一次，我直接搜索文件，而不是数据库。

搜索将搜索位于文件夹中的许多文件。针对此问题的任何建议，提示或解决方案？

我也注意到，谷歌也会搜索文件。

Answer 1

要搜索PDF，您需要一个像pdftotext这样的程序，它可以将pdf中的内容转换为文本。对于Word文档，可以使用类似的东西（因为Word文件中的所有样式和加密）。

搜索PDF的示例（从我的一个脚本中复制（它是一个片段，而不是整个代码，但它应该让您有所了解），我在其中提取关键字并将匹配存储在PDF结果数组中。）：

foreach($keywords as $keyword)
{
    $keyword = strtolower($keyword);
    $file = ABSOLUTE_PATH_SITE."_uploaded/files/Transcripties/".$pdfFiles[$i];

    $content    = addslashes(shell_exec('/usr/bin/pdftotext \''.$file.'\' -'));
    $result     = substr_count(strtolower($content), $keyword);

    if($result > 0)
    {
        if(!in_array($pdfFiles[$i], $matchesOnPDF))
        {
            array_push($matchesOnPDF, array(                                                    
                    "matches"   => $result,
                    "type"      => "PDF",
                    "pdfFile"   => $pdfFiles[$i]));
        }
    }
}

Answer 2

根据文件类型，您应将文件转换为文本，然后使用file_get_contents()和str_pos()进行搜索。要将文件转换为文本，您可以使用以下可用工具：

catdoc用于word文件
xlhtml for excel files
ppthtml for powerpoint files
unrtf用于RTF文件
pdftotext了解pdf文件

Answer 3

如果你在Linux服务器下，你可以使用

grep -R "text to be searched for" ./   // location is everything under the actual directory

使用exec从php调用导致

cmd = 'grep -R "text to be searched for" ./';
$result = exec(grep);
print_r(result);

Answer 4

2021 年我遇到了这个并找到了一些东西，所以我想我会链接到它......

注意：docx、pdf 和其他文件不是常规文本文件，需要更多脚本和/或不同的库来阅读和/或编辑每种不同的类型，除非您可以找到一个库。这意味着您必须编写要搜索的每种不同文件类型的脚本，但包括普通文本文件。如果您不想完全编写脚本，那么您还必须安装您想要读取的每种文件类型所需的每个库。但是您仍然需要编写每个脚本来将它们作为库函数来处理。

我在堆栈中找到了基本答案 here。

使用PHP在文件中搜索文本

4 个答案: