PHP阅读word文档只获取电子邮件地址

Question

好的，我想要一个php脚本来打开并读取用户上传的Word文档并获取将在文档中的电子邮件地址并将其存储到数据库中。

只有电子邮件地址！它会像

一样混淆

电子邮件：someone@example.com或类似“Email is someone@example.com”

任何格式..有一件事是肯定会有空格分隔电子邮件ID和其他单词。有人能帮我吗 ？ ：d

Answer 1

这真的有点宽泛。从根本上说，您需要处理以下步骤：

上传word文档

您需要让用户上传文件。有tutorial at w3schools可以帮助你入门

解析内容

Office文件很复杂 - 每个文件都是整个文件系统，因为你可以嵌入图像，其他文件等......新.docx实际上只是带有一些XML的zip文件 - 尝试将一个文件重命名为{ {1}}并打开它。旧式.zip是一种专有的MS格式，虽然同样复杂但更加混淆。 This library似乎将word文件转换为html，这可能会让他们更容易阅读。

查找电子邮件地址

我怀疑你最好的机会是使用正则表达式从正文中提取电子邮件地址。如果有多个电子邮件地址怎么办？这是一个introduction to email regexes可能会有所帮助。 This answer是同一件事

要获得更详细的答案，您将不得不提供更具体的问题。

Answer 2

将Word转换为文字：

$filename="file.doc";
$TXTfilename = $filename . ".txt";
$word = new COM("word.application") or die("Unable to instantiate Word object");
$word->Documents->Open($filename);
// the '2' parameter specifies saving in txt format
$word->Documents[1]->SaveAs($TXTfilename ,2);
$word->Documents[1]->Close(false);
$word->Quit();
$word->Release();
$word = NULL;
unset($word);
$content = file_get_contents($TXTfilename);
unlink($TXTfilename);

获取阵列中的所有电子邮件：

$content = "My email is email@example.com"; // it's example. 
$matches = array();
$pattern = '/[A-Za-z0-9_-]+@[A-Za-z0-9_-]+\.([A-Za-z0-9_-][A-Za-z0-9_]+)/'
preg_match($pattern,$content,$matches);