将 PDF 转换为字符串

Question

Closed. This question needs to be more focused. It is not currently accepting answers.

---

想要改进这个问题吗？通过编辑这篇文章来更新问题，使其仅关注一个问题。

5 年前已关闭。

Answer 1

您可以使用 pdftotext 之类的工具，它是 Linux 上 Xpdf 软件包附带的。然后可以使用 popen 命令将 pdftotext 的输出通过管道传输到字符串中：

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

Answer 2

在您的服务器上安装 APACHE-TIKA。
APACHE-TIKA 支持的文件不只是 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 3

您可以使用此处提供的 PHP 类：

http://www.pdftotext.eu

这是公共域PDF文本提取器完全用纯PHP编写，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" ;