如何将 PDF 转换为文本，以便可以使用 PHP 解析该文本？答案

【问题标题】：How do I convert a PDF to text so I can parse that text with PHP?如何将 PDF 转换为文本，以便可以使用 PHP 解析该文本？
【发布时间】：2011-09-21 01:15:00
【问题描述】：

我的 PDF 文件大多是简单格式化的文本。我想用 PHP 解析文本。我意识到 PDF 是二进制的，所以我需要一个实用程序或库来将它转换为文本。

有什么建议吗？

【问题讨论】：

你认为什么是“等价的”？
什么意思？要获取 PDF 文件的二进制数据，file_get_contents() 就可以了。
如果你想编辑PDF文件，看看这个问题：stackoverflow.com/questions/7364/pdf-editing-in-php
这个问题可能对你有帮助 - stackoverflow.com/questions/1004478/read-pdf-files-with-php
我明确了我的目标。我的 PDF 大多是简单格式化的文本，我想用 PHP 解析文本。

标签： php linux pdf import

【解决方案1】：

第三方软件可以转储PDF文件的文本内容，例如：

xdoc2txt（仅限 Windows，用于 WinMerge 插件）
pdftotext，Xpdf 的一部分

【讨论】：

【解决方案2】：

我最终使用了 XPDF（其中包括 pdftotext ）。这很好用，我在生产中使用它从上传到我们服务器的数百万个 PDF 中提取文本。

下面是 Linux CentOS 的安装过程：

从这里下载 3.03 版本：http://foolabs.com/xpdf/download.html
tar -zxvf xpdfbin-linux-3.03.tar.gz (解压tar.gz)
创建安装所需的目录（其中部分或全部可能已经存在）
- sudo mkdir /usr/local/man/
- sudo mkdir /usr/local/man/man1/
- sudo mkdir /usr/local/man/man5/
- sudo mkdir /usr/local/etc/xpdfrc/
从解压的文件夹中移动文件（ cd 到刚刚解压 xpdf 的文件夹中）
- 将所有可执行文件从 bin64 目录（xpdf、pdftotext ... 所有文件）移动到 /usr/local/bin/
- 将 sample-xpdfrc 文件移动到 /usr/local/etc/xpdfrc （可以原样使用）
- 将手册页从 doc 目录移动（ *.1 到 /usr/local/man/man1/ & *.5 到 /usr/local/man/man5/ ）
xpdf 应该已经安装并可以使用了
您可以删除下载的tar.gz文件和解压后的文件夹

【讨论】：

【解决方案3】：

file_get_contents() 无法做到这一点，因为 PDF 文件只包含二进制数据（没有纯文本）。要阅读/修改 pdf 文件，您可以使用一些第三方库。看看：

别忘了

http://php.net/manual/en/book.pdf.php

【讨论】：