使用 PHP 在文件中搜索文本

发布于 2024-09-26 01:05:24 字数 168 浏览 13 评论 0 原文

如何使用 PHP 搜索 PDF、doc、docs 或 txt 等文件中的文本？我想在MySQL中做类似全文搜索的功能，但这一次，我直接通过文件搜索，而不是数据库。

搜索将在位于文件夹中的许多文件中进行搜索。对于这个问题有什么建议、技巧或解决方案吗？

我还注意到，谷歌也会搜索这些文件。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

莫言歌 2024-10-03 01:05:24

要搜索 PDF，您需要一个像 pdftotext 这样的程序，它将内容从 pdf 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）。

一个搜索 PDF 的示例（从我的一个脚本复制（它是一个片段，不是整个代码，但它应该让您有一些理解），我在其中提取关键字并将匹配项存储在 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]));
        }
    }
}

For searching PDF's you'll need a program like pdftotext, which converts content from a pdf to text. For Word documents a simular thingy could be available (because of all the styling and encryption in Word files).

An example to search through PDF's (copied from one of my scripts (it's a snippet, not the entire code, but it should give you some understanding) where I extract keywords and store matches in a PDF-results-array.):

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]));
        }
    }
}

回复收藏 0 原文

千紇 2024-10-03 01:05:24

根据文件类型，您应该将文件转换为文本，然后使用 file_get_contents() 和 str_pos() 进行搜索。要将文件转换为文本，除了其他工具外，您还可以使用以下工具：

catdoc 用于 Word 文件
xlhtml 用于 Excel 文件
ppthtml 用于 Powerpoint 文件
unrtf 用于 RTF 文件
pdftotext 用于 pdf 文件

回复收藏 0 原文

如歌彻婉言 2024-10-03 01:05:24

如果您在 Linux 服务器下，您可以使用

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

exec 从 php 调用，从而导致

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

If you are under a linux server you may use

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

called from php using exec resulting in

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

回复收藏 0 原文

临风闻羌笛 2024-10-03 01:05:24

2021 我遇到了这个并发现了一些东西，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/或不同的库来读取和/或编辑每种不同类型，除非您可以找到一个全合一的图书馆。这意味着您必须编写要搜索的每种不同文件类型的脚本，尽管包括普通文本文件。如果您不想完全编写脚本，那么您必须安装您想要读取的每种文件类型所需的每个库。但您仍然需要编写每个脚本来将它们作为库函数进行处理。

我在堆栈上此处找到了基本答案。