用PHP读/写MS Word文件

时间：2008-10-09 18:09:16

标签： php ms-word read-write

是否可以在不使用COM对象的情况下在PHP中读取和写入Word（2003和2007）文件？ 我知道我可以：

$file = fopen('c:\file.doc', 'w+');
fwrite($file, $text);
fclose();

但Word会将其读取为HTML文件而非本机.doc文件。

16 个答案:

答案 0 :(得分：28)

读取二进制Word文档将涉及根据DOC格式的已发布文件格式规范创建解析器。我认为这不是真正可行的解决方案。

您可以使用Microsoft Office XML formats来读取和写入Word文件 - 这与Word和2003版本的Word兼容。对于阅读，您必须确保以正确的格式保存Word文档（在Word 2007中称为Word 2003 XML-Document）。对于编写，您只需遵循公开可用的XML模式。我从来没有使用这种格式从PHP写出Office文档，但是我用它来读取Excel工作表（自然保存为XML-Spreadsheet 2003）并在网页上显示其数据。由于文件显然是XML数据，因此导航并找出如何提取所需数据是没有问题的。

另一个选项 - 仅限Word 2007选项（如果Word 2003中未安装OpenXML文件格式） - 将重新排序到OpenXML。正如databyss指出here，DOCX文件格式只是一个包含XML文件的ZIP存档。关于OpenXML文件格式，MSDN上有很多资源，因此您应该能够弄清楚如何读取所需的数据。我认为写作会复杂得多 - 这取决于你投入多少时间。

也许您可以查看PHPExcel这是一个能够写入Excel 2007文件并使用OpenXML标准从Excel 2007文件读取的库。您可以了解尝试读取和编写OpenXML Word文档时所涉及的工作。

答案 1 :(得分：18)

这适用于vs＆lt; Office 2007及其纯PHP，没有COM废话，仍在试图计算2007 

<?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;


?>

答案 2 :(得分：8)

您可以使用Antiword，它是适用于Linux和最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);

答案 3 :(得分：6)

我不知道如何在PHP中阅读本机Word文档，但如果您想用PHP编写Word文档，WordprocessingML (aka WordML)可能是一个很好的解决方案。您所要做的就是以正确的格式创建XML文档。我相信Word 2003和2007都支持WordML。

答案 4 :(得分：6)

只需更新代码

<?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;


?>

答案 5 :(得分：5)

很可能在没有COM的情况下，您将无法阅读Word文档。

此topic

涵盖了写作

答案 6 :(得分：2)

2007也可能有点复杂。

.docx格式是一个zip文件，其中包含一些文件夹，其中包含其他文件，用于格式化和其他内容。

将.docx文件重命名为.zip，你会看到我的意思。

因此，如果您可以在PHP中的zip文件中工作，那么您应该走在正确的道路上。

答案 7 :(得分：2)

www.phplivedocx.org是一个基于SOAP的服务，这意味着您总是需要联机来测试文件，但是没有足够的示例供其使用。奇怪的是，我发现只有在下载2天后（需要另外的zend框架），它是一个基于SOAP的程序（诅咒我!!!）...我认为没有COM它只是不可能在Linux服务器上，唯一的想法是在另一个可以解析的可用文件中更改doc文件...

答案 8 :(得分：1)

Office 2007 .docx应该是可行的，因为它是XML标准。 Word 2003最有可能要求COM阅读，即使现在由MS发布的标准，因为这些标准是巨大的。我还没有看到很多库来编写它们以匹配它们。

答案 9 :(得分：1)

我不知道你将使用它，但我需要.doc支持搜索索引;我所做的是使用一个名为“catdoc”的小命令工具;这会将Word文档的内容传输到纯文本，以便对其进行索引。如果你需要保留格式和内容，这不是你的工具。

答案 10 :(得分：1)

phpLiveDocx 是一个Zend Framework组件，可以在Linux，Windows和Mac上以PHP语言读写DOC和DOCX文件。

请参阅项目网站：

http://www.phplivedocx.org

答案 11 :(得分：1)

使用PHP操作Word文件的一种方法是PHPDocX的帮助。 你可以看看它的工作原理online tutorial。 您可以插入或提取内容，甚至可以将多个Word文件合并为一个。

答案 12 :(得分：0)

.rtf格式是否适用于您的目的？ .rtf可以很容易地转换为.doc格式，但它是用明文写的（嵌入了控制命令）。这就是我计划将我的应用程序与Word文档集成的方式。

答案 13 :(得分：0)

即使我正在开发相同类型的项目[On Onlinw字处理器]！ 但我选择了c＃.net和ASP.net。但通过调查我做了;我知道那个

  

使用Open XML SDK和VSTO [Office的Visual Studio工具]

我们可以轻松地使用word文件来操作它们，甚至可以在内部转换为不同的格式，例如.odt，.pdf，.docx等。

  

所以，请转到msdn.microsoft.com并彻底了解办公室开发标签。这是最简单的方法，因为我们需要实现的所有功能都已经在.net !!

但是你想在PHP中做你的项目，你可以在Visual Studio和.net中做，因为PHP也是.net兼容语言之一!!

答案 14 :(得分：0)

我有同样的情况 我想我将使用一个便宜的50兆窗口托管与免费域名使用它来转换我的文件，为PHP服务器。连接它们很容易。 您只需要创建一个ASP.NET页面，通过post接收doc文件并通过HTTP回复它 如此简单的CURL就可以做到。

答案 15 :(得分：0)

Source gotten from

  

直接使用以下课程阅读Word文档

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();
相关问题
最新问题