PHP Lang
  1. PHP Lang
  3. как получить текст из файла pdf и сохранить его в DB
Intereting Posts
Использовать PHP для преобразования PNG в JPG с сжатием? Обнаружение типа Mime не работает с файловым файлом на PHP 5.3.8 Извлечение только даты из поля datetime (mysql) и назначение его переменной php Загрузка файла в Web не работает Возможно ли с помощью javascript найти последнее измененное время файла? Как усечь строку в PHP до предложения, ближайшего к определенному числу символов? Получить внутренний HTML родительского элемента с php и xpath Сохранять объекты в REST API вместо DB с помощью Doctrine 2 Конфигурация phpMyAdmin Сделать элемент userid в массиве в качестве родительского ключа php Одновременные запросы к скрипту PHP что такое имя переменной, которое хранит POST, когда выполняется через jquery .ajax? Codeigniter update_batch () с включенным обновлением ключа where Хранение номеров кредитных карт на СЕЗОНЕ – пути вокруг него? Автозагрузка с пространствами имен в PHP 5.3?

как получить текст из файла pdf и сохранить его в DB

Возможный дубликат:
php: pdf для строки

Я пытаюсь сохранить текстовое содержимое pdf-файла в DB. Я нашел эту ссылку полезной для преобразования PDF в строку и работал над ней. Но он только преобразует очень мало данных: (почему это так?

Или любое другое решение о том, как преобразовать сложный pdf-файл (содержащий заголовок, нижний колонтитул, таблицы, nd-расположение двух столбцов на некоторых страницах и т. Д.) В строку и сохранить его в БД?

Давным-давно я написал сценарий, который загружает pdf и преобразует его в текст. Эта функция выполняет преобразование: 

function pdf2string($sourcefile) { $content = $sourcefile; $searchstart = 'stream'; $searchend = 'endstream'; $pdfText = ''; $pos = 0; $pos2 = 0; $startpos = 0; while ($pos !== false && $pos2 !== false) { $pos = strpos($content, $searchstart, $startpos); $pos2 = strpos($content, $searchend, $startpos + 1); if ($pos !== false && $pos2 !== false){ if ($content[$pos] == 0x0d && $content[$pos + 1] == 0x0a) { $pos += 2; } else if ($content[$pos] == 0x0a) { $pos++; } if ($content[$pos2 - 2] == 0x0d && $content[$pos2 - 1] == 0x0a) { $pos2 -= 2; } else if ($content[$pos2 - 1] == 0x0a) { $pos2--; } $textsection = substr( $content, $pos + strlen($searchstart) + 2, $pos2 - $pos - strlen($searchstart) - 1 ); $data = gzuncompress($textsection); $pdfText .= pdfExtractText($data); $startpos = $pos2 + strlen($searchend) - 1; } } return preg_replace('/(\s)+/', ' ', $pdfText); }

EDIT: я вызываю pdfExtractText() Эта функция определена здесь: 

 function pdfExtractText($psData){ if (!is_string($psData)) { return ''; } $text = ''; // Handle brackets in the text stream that could be mistaken for // the end of a text field. I'm sure you can do this as part of the // regular expression, but my skills aren't good enough yet. $psData = str_replace('\)', '##ENDBRACKET##', $psData); $psData = str_replace('\]', '##ENDSBRACKET##', $psData); preg_match_all( '/(T[wdcm*])[\s]*(\[([^\]]*)\]|\(([^\)]*)\))[\s]*Tj/si', $psData, $matches ); for ($i = 0; $i < sizeof($matches[0]); $i++) { if ($matches[3][$i] != '') { // Run another match over the contents. preg_match_all('/\(([^)]*)\)/si', $matches[3][$i], $subMatches); foreach ($subMatches[1] as $subMatch) { $text .= $subMatch; } } else if ($matches[4][$i] != '') { $text .= ($matches[1][$i] == 'Tc' ? ' ' : '') . $matches[4][$i]; } } // Translate special characters and put back brackets. $trans = array( '...' => '…', '\205' => '…', '\221' => chr(145), '\222' => chr(146), '\223' => chr(147), '\224' => chr(148), '\226' => '-', '\267' => '•', '\374' => 'ü', '\344' => 'ä', '\247' => '§', '\366' => 'ö', '\337' => 'ß', '\334' => 'Ü', '\326' => 'Ö', '\304' => 'Ä', '\(' => '(', '\[' => '[', '##ENDBRACKET##' => ')', '##ENDSBRACKET##' => ']', chr(133) => '-', chr(141) => chr(147), chr(142) => chr(148), chr(143) => chr(145), chr(144) => chr(146), ); $text = strtr($text, $trans); return $text; }

EDIT2: для получения содержимого из локального файла используйте: 

 $fp = fopen($sourcefile, 'rb'); $content = fread($fp, filesize($sourcefile)); fclose($fp);

EDIT3: перед сохранением данных в db я использую функцию escape: 

 function escape($str) { $search=array("\\","\0","\n","\r","\x1a","'",'"'); $replace=array("\\\\","\\0","\\n","\\r","\Z","\'",'\"'); return str_replace($search,$replace,$str); }