Question

如何阅读PDF文件并将内容放入字符串？使用PHP语言。

Answer 1

您可以使用类似pdftotext的东西，它附带在Linux上的Xpdf包中。然后可以使用popen命令将pdftotext的输出管道化为字符串：

$mystring = "";
$fd = popen("/usr/bin/pdftotext blah.pdf","r");
if ($fd) {
    while (($myline = fgets($fd)) !== false) {
        $mystring .= $myline;
    }
}

Answer 2

发现这个非常好的课程！此外，您可以添加功能以满足您的需求。

PDF2Text - Pastebin

这些可能会帮助您添加功能：

如果它不起作用，请检查在Adobe Reader中打开时是否可以突出显示/标记文本（如果不能，文件中的文本可能保存为几何曲线），请检查编码。

Answer 3

在您的服务器上安装APACHE-TIKA。 APACHE-TIKA支持更多pdf文件。安装指南： http://www.acquia.com/blog/use-apache-solr-search-files

最终代码很简单：

$string = "";
$fd = popen("java -jar yourpathtotika/tika-app-1.3.jar -t yourpathtopdf/sample.pdf","r");
while (!feof($fd)) { 
$buffer = fgets($fd, 4096); 
$string .= $buffer;
}
echo $string;

Answer 4

您可以使用此处提供的PHP类：

http://www.pdftotext.eu

这是一个完全用纯PHP编写的公共域PDF文本提取器，这意味着您不需要依赖外部命令。它提供了一个简单的界面来检索文本：

include ( 'PdfToText.phpclass' ) ;
$pdf = new PdfToText ( 'mysample.pdf' ) ;
echo "PDF contents are : " . $pdf -> Text . "\n" ;

将PDF转换为字符串

4 个答案: