如何将带有 pdf 扩展名的 url 的内容转换为文本以便在 PHP 中解析而无需下载？

Question

如何将带有pdf扩展名的url的内容转换为文本以便在PHP中解析而不下载？

我见过的唯一方法（不包含垃圾字符）是将文件下载到服务器文件夹并壳一个可执行文件，将二进制文件转换为文本。

以下是我找到的一些可执行库： TET，文本提取工具包 xpdf

我更愿意在不先下载 pdf 的情况下转换 URL pdf（例如打开二进制文件然后转换）。

有没有办法在不下载 PHP 的 pdf 的情况下做到这一点？

推荐什么方法来最快的执行时间？

作为一个简短的说明，我将做大约 64 个带有 pdf 扩展名的 URL，并不是所有这些 url 实际上都指向一个 pdf。事实上，其中一些 url 可能指向别名 html 页面，不一定是 pdf 文件，因此在使用转换工具之前需要辨别差异。

Answer 1

直接从URL 转换是不切实际的，而是very slow .. 大多数转换是通过command line 完成的，而不是直接使用PHP 来获得更快更好的结果

使用xpdf pdftotext 进行示例转换

安装（Linux）apt-get install xpdf

示例代码

$file = $directory . '/' . $filename;
$fileinfo = pathinfo ( $filename );
$content = "";

// pdt to text
if ($fileinfo ['extension'] == 'pdf') {
    $outpath = preg_replace ( "/\.pdf$/", "", $file ) . ".txt";
    system ( "pdftotext -enc UTF-8 " . escapeshellcmd ( $file ), $ret );
    if ($ret == 0) {
        $content = file_get_contents ( $outpath );
        unlink ( $outpath );
    }
}

Answer 2

我找到了一些源代码，它获取了 file_get_contents('url.pdf') 的内容并进行了粗略的转换（我的意思是非常粗略）。

由于这似乎是在内存中进行这种转换的最佳方法，我想我别无选择，只能先下载“url.pdf”。

此代码可以下载文件吗？

//set to the URL of the file you want to download:
$inPath = "http://somepage.com/hello.jpg";
//set to the local path where the file should be saved:
$outPath = "/usr/local/htdocs/hello.jpg";

$in = fopen($inPath, "rb");
$out = fopen($outPath, "wb");

while ($chunk = fread($in,8192) ) {
fwrite($out, $chunk, 8192);
}

fclose($in);
fclose($out);