php使用PdfParser搭配tcpdf解析pdf文件

前几天客户提出一个需求，就是在前台页面搜索文章时，若搜索词在文章附件的pdf文件中有出现的话就要将该文章作为搜索结果。我的思路是后台发布文章时循环检测每一个附件的格式，若附件格式为pdf的话就将里面的文字读取出来追加到一个$string变量里，然后将$string的作为一个file_text字段的信息保存到数据库后面做搜索的时候使用。

我参考的一个回答地址是：https://baijiahao.baidu.com/s?id=1572245039857772&wfr=spider&for=pc

$parser = new \Smalot\PdfParser\Parser();
// 调用解析方法，参数为pdf文件路径，返回结果为Document类对象
$document = $parser->parseFile($path);
// 获取所有的页
$pages = $document->getPages();
// // 逐页提取文本
$text = '';
foreach($pages as $page){
$text.= $page->getText();
}
echo $text;

结果如下图，已经把pdf文件里面的文字读取出来了（扫描件合成的pdf因为好像都是图片所以是读不出来内容的，编辑一个doc文件然后输出为pdf文件这样的就可以将文字读取出来），之后要这么处理就看你自己的需求啦~~~~

当然，你想自己折腾一下的话就继续往下看

ok，现在我们就使用PdfParser搭配tcpdf来读取pdf文件里面的内容。

pdfparser 下载地址：http://www.pdfparser.org/

下载好pdfparser 后将src里面的Smalot文件夹复制出来（后面下载好的tcpdf文件夹也放到该目录下）

TCPDF 类库下载地址：https://tcpdf.org/

文件目录如图示：

然后将Smalot这个文件夹放到ThinkPHP下面的library

若你用的是tp3.2.3的话还要将pdfparser 里面的类名改成testCotroller.class.php这种格式（3.2.3官方建议这种格式），tcpdf里面的include文件夹里面的类也改。如果使用的是tp5的话就不用

然后将TCPDF文件夹下的include文件夹改名为includes（不知道是不是与引入文件的include关键字冲突，或者改为你喜欢的名字也行）,对应include下类的命名空间也改下路径。

然后将TCPDF 下的TcpdfParser类下的

require_once(dirname(__FILE__).'/include/tcpdf_filters.class.php');

改成use Smalot\TCPDF\includes\tcpdf_filters as TCPDF_FILTERS;

原因好像是使用require_once引入filters这个类的之后TcpdfParser这个类里面就有了两个命名空间，tp规定一个类里面只能有一个命名空间。

整完了这些就可以像前面那样自己写方法去调用啦。

第一次跑不通的话就自己给点耐心打断点慢慢调试。。。。。。。

tp5的话经一位老哥测试将smalot放到extend扩展文件夹，里面的类名根据你的框架配置看是否需要加.class,，然后按上面的原理调用就可以了，其他框架应该也是这个理~~

老哥还反映我那个TCPDF文件太大，删除掉一部分之后还是可以运行，下图是阉割之后的tcpdf <狗头~/>

php使用PdfParser搭配tcpdf解析pdf文件相关推荐

python处理pdf实例_python使用pdfminer解析pdf文件的方法示例
最近要做个从 pdf 文件中抽取文本内容的工具,大概查了一下 python 里可以使用 pdfminer 来实现.下面就看看怎样使用吧. PDFMiner是一个可以从PDF文档中提取信息的工具.与其他 ...
python 读取pdf cid_python使用pdfminer解析pdf文件的方法示例
最近要做个从 pdf 文件中抽取文本内容的工具,大概查了一下 python 里可以使用 pdfminer 来实现.下面就看看怎样使用吧. PDFMiner是一个可以从PDF文档中提取信息的工具.与其他 ...
JAVA解析pdf文件
自己记录一下,方便下次用,判断文件是否为pdf类型,并且解析文件内容 1.需要依赖的包 <dependency><groupId>org.apache.pdfbox</g ...
python解析pdf中文乱码_解析PDF文件以及解决编码问题
1.解析pdf文件最近需要将pdf中文本提取出来,于是就了解了一下pdfminer 首先安装:pip3 install pdfminer3k 之后就是用pdfminer解析,不多说,直接上代码,这些 ...
[299]python实现批量解析PDF文件提取内容并写入到Excel中
摘要:最近需要将一批PDF文件中的某些数据整理到Excel中,因为文件数量接近20w+,手动更新几乎不现实,于是就提取关键词和内容动手写了个Python小工具,以实现自动完成上述目标. 要求: 读取P ...
解析PDF文件以及解决编码问题
1.解析pdf文件最近需要将pdf中文本提取出来,于是就了解了一下pdfminer 首先安装:pip3 install pdfminer3k 之后就是用pdfminer解析,不多说,直接上代码,这些 ...
python如何解析PDF文件
python如何解析PDF文件 python中读取pdf的方法:使用python第三方库pdfminerk3k 1.使用pdfminer库 pdfminer是一个主流的分析pdf的库.如果是pytho ...
TCPDF生成PDF文件方法教程说明
TCPDF生成PDF文件方法教程说明 TCPDF下载: composer: 在packagist中所搜tcpdf (https://packagist.org/packages/tecnickcom/ ...
Python编程--使用PyPDF解析PDF文件中的元数据
Python编程–使用PyPDF解析PDF文件中的元数据元数据作为一种文件里非常明显可见的对象,元数据可以存在于文档.电子表格.图片.音频和视频文件中.创建这些文件的应用程序可能会把文档的作者.创 ...

php使用PdfParser搭配tcpdf解析pdf文件

php使用PdfParser搭配tcpdf解析pdf文件相关推荐

最新文章

热门文章