在 php 中解析 .doc 文件答案

【问题标题】：parsing of .doc file in php在 php 中解析 .doc 文件
【发布时间】：2014-07-01 06:34:03
【问题描述】：

我使用 html 标签创建了 .doc 文件，其中包含 HTML 表单元素，如文本框、复选框、单选按钮、下拉列表和隐藏字段。这些在打开文档时显示正确。

当使用 php 代码更新 .doc 文件时，我能够解析 .doc 文件。并且可以在保存到数据库时使用表单文件数据。
在 .doc 文件中使用“另存为”选项时，新创建的 doc 文件可以正确显示 html 表单元素。但无法解析“另存为”文件中的数据。

我也想使用 php 解析“另存为”doc 文件。请帮助我如何解决这个问题？

这是我的 doc 文件解析代码：

function parseWord($userDoc) 
{
    $fileHandle = fopen($userDoc, "r");
    $line = @fread($fileHandle, filesize($userDoc));   
    $lines = explode(chr(0x0D),$line);
    $outtext = "";
    foreach($lines as $thisline)
      {
        $pos = strpos($thisline, chr(0x00));
        if (($pos !== FALSE)||(strlen($thisline)==0))
          {
          } else {
            $outtext .= $thisline." ";
          }
      }
      if(trim($outtext)==""){
         $outtext ="";
        //echo "<br> UTF ";
        $filename = $userDoc;
        if ( file_exists($filename) ) {
            $outtext ="";
          if ( ($fh = fopen($filename, 'r')) !== false ) {
            $headers = fread($fh, 0xA00);

            # 1 = (ord(n)*1) ; Document has from 0 to 255 characters
            $n1 = ( ord($headers[0x21C]) - 1 );

            # 1 = ((ord(n)-8)*256) ; Document has from 256 to 63743 characters
            $n2 = ( ( ord($headers[0x21D]) - 8 ) * 256 );

            # 1 = ((ord(n)*256)*256) ; Document has from 63744 to 16775423 characters
            $n3 = ( ( ord($headers[0x21E]) * 256 ) * 256 );

            # (((ord(n)*256)*256)*256) ; Document has from 16775424 to 4294965504 characters
            $n4 = ( ( ( ord($headers[0x21F]) * 256 ) * 256 ) * 256 );

            # Total length of text in the document
            $textLength = ($n1 + $n2 + $n3 + $n4);

            $extracted_plaintext = fread($fh, $textLength);

            # if you want the plain text with no formatting, do this
            //echo $extracted_plaintext;
            $outtext .= $extracted_plaintext;

            # if you want to see your paragraphs in a web page, do this
            //echo nl2br($extracted_plaintext);

          }
          fclose($fh);
        } 
     }
     $outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$outtext);

     return $outtext;
} 

$userDoc = "cv.doc";

$text = parseWord($userDoc);
echo $text;

提前谢谢...

【问题讨论】：

你能把你的解析代码贴出来让我们看看吗。
您的意思是您的 doc 文件中有一个“另存为”按钮？但是，当您在 MS Word 中打开它时，按钮不起作用？
当我在 MS Word 中打开并单击“另存为”按钮时。然后新的 doc 文件无法解析文本。

标签： php html doc

【解决方案1】：

我使用 html 标签创建了 .doc 文件

不，您创建了一个 HTML 文件并给它一个以 .doc 结尾的文件名

当您从 MSWord 保存文件时，它使用专有格式（实际上是多个嵌套格式），而不是 HTML。当您加载您最初创建的文件时，MSWord 会识别它的 HTML 并即时翻译它。有很多方法可以解决这个问题，但在充分利用它们之前，您还有很长的路要走。

您现在最好的做法是考虑为什么需要同时处理 MSWord 和 PHP 文件以及您可能使用的其他格式的问题。

【讨论】：

这里我的要求是在 .doc 文件中创建离线表单。所以我需要将 html 表单元素数据保存到数据库中。这就是我创建带有 html 标签的 .doc 文件的原因。
不回答这个问题 - 为什么它必须是 .doc 格式。

【解决方案2】：

如前所述，您不能像尝试那样简单地打开 Office 文件。

这是一个由 Microsoft 提供的简单易用的库，可让您做您想做的事情：

http://phpword.codeplex.com/

【讨论】：