Question

我正在尝试阅读附加到任意PDF的元数据：标题，作者，主题和关键字。

是否有可以阅读PDF元数据的PHP库，最好是开源的？如果是，或者如果没有，那么如何使用库（或缺少库）来提取元数据？

要清楚，我对创建或修改PDF或其元数据不感兴趣，我不关心PDF主体。我看过很多库，包括FPDF（每个人似乎都推荐），但它似乎只是用于PDF创建，而不是元数据提取。

Answer 1

Zend框架包含Zend_Pdf，这使得这很容易：

$pdf = Zend_Pdf::load($pdfPath);

echo $pdf->properties['Title'] . "\n";
echo $pdf->properties['Author'] . "\n";

限制：仅适用于没有加密小于16MB的文件。

Answer 2

不了解库，但实现相同结果的简单方法可能是打开文件并解析最后一个“endstream”之后的所有内容。

尝试在文本编辑器上打开pdf，解析器不应超过五行。

Answer 3

PDF Parser完全符合您的要求，使用非常简单：

$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseFile('document.pdf');
$text   = $pdf->getDetails();

您可以在demo page中尝试一下。

Answer 4

我今天也在寻找同样的事情。我在 http://de77.com/ 上遇到了一个小型PHP课程，它提供了一个快速而肮脏的解决方案。您可以直接 download the class 。输出为UTF-8编码。

创作者说：

这是我写的一个PHP类，可以用来获取标题＆amp;作者和任何PDF文件的页面数。它不使用任何外部应用程序 - 只是纯PHP。

// basic example
include 'PDFInfo.php';
$p = new PDFInfo;
$p->load('file.pdf');
echo $p->author;
echo $p->title;
echo $p->pages;

对我来说，它有效！所有感谢都归功于班级的创造者......好吧，也许只是感谢我找到班级;）

Answer 5

<?php 

    $sourcefile = "file path";
    $stringedPDF = file_get_contents($sourcefile, true);

    preg_match('/(?<=Title )\S(?:(?<=\().+?(?=\))|(?<=\[).+?(?=\]))./', $stringedPDF, $title);
    echo $all = $title[0];

Answer 6

您可以使用 PDFtk 来提取网页计数：

// Windows
$bin = realpath('C:\\pdftk\\bin\\pdftk.exe');
$cmd = "cmd /c {$bin} {$path} dump_data | grep NumberOfPages | sed 's/[^0-9]*//'";

// Unix
$cmd = "pdftk {$path} dump_data | grep NumberOfPages | sed 's/[^0-9]*

如果 ImageMagick 可用，您也可以使用：

$cmd = "identify -format %n {$path}";

通过shell_exec()在PHP中执行：

$res = shell_exec($cmd);

在PHP中阅读PDF元数据

6 个答案: