使用 PHPWord 将 word 文档解析为字符串答案

【问题标题】：Parse a word document with PHPWord to a string使用 PHPWord 将 word 文档解析为字符串
【发布时间】：2018-05-31 16:46:21
【问题描述】：

我已经尝试了几种解决方案来在 PHP 中将 word 文档解析为字符串，但是它们有时会遇到某些 word 文档的问题。所以我现在正在尝试 PHPWord 尝试将 word 文档解析为字符串。

我正在查看 PHPWord 中的这个示例文件，它读取一个 Word 文档并输出到另一个 Word 文档：

include_once 'Sample_Header.php';

// Read contents
$name = basename(__FILE__, '.php');
$source = "resources/{$name}.doc";
echo date('H:i:s'), " Reading contents from `{$source}`", EOL;
$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

// (Re)write contents
$writers = array('Word2007' => 'docx', 'ODText' => 'odt', 'RTF' => 'rtf');
foreach ($writers as $writer => $extension) {
    echo date('H:i:s'), " Write to {$writer} format", EOL;
    $xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, $writer);
    $xmlWriter->save("{$name}.{$extension}");
    rename("{$name}.{$extension}", "results/{$name}.{$extension}");
}

include_once 'Sample_Footer.php';

但是，我不想输出另一个完整的 Word 文档，我只想将内容解析为 PHP 中的字符串。如何修改这个以将内容输出到字符串？

【问题讨论】：

标签： php phpword

【解决方案1】：

你必须使用你收到的物品：

$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

它是数组和对象的多维对象，你必须找到[elements]属性，你必须在其中找到[text]属性。此[text] 属性包含从您的 Word 文件中提取的文本。

请记住，默认情况下这两个属性是受保护的，因此您必须在 PHPWord 库文件中更改它们的状态 - 对于[elements]，它是 AbstractContainer.php，对于 [text]，它是 Text.php .将这两个属性的状态更改为public 后，您可以从$phpWord 对象中提取它们。

我现在可以从 .doc 文件中提取文本，但我注意到 PHPWord 只会从任何 .doc 文件中提取大约 60% 的文本，有时只是将提取的最后一个单词减半。因此，如果您的文件有 4,000 个单词，PHPWord 不知何故只能得到其中的大约 2,000 个。

实际上，我不知道为什么 PHPWord 不想获取所有文本。没有通知，没有例外，只是一个没有 .doc 文件中一半文本的对象。

【讨论】：