使用PHP从pdf中提取内容答案

【问题标题】：extracting content from pdf using PHP使用PHP从pdf中提取内容
【发布时间】：2009-11-23 13:13:59
【问题描述】：

您能告诉我如何使用 PHP 从 PDF 文档中提取内容吗？格式化是我在这里面临的主要问题。如果有一些方法可以提取具有相同格式的内容并将其显示在在线文本编辑器上，请告诉我。

谢谢

【问题讨论】：

标签： php pdf

【解决方案1】：

看看XPDF

我想你可以做到

$text = shell_exec("pdftotext $pdffile");

至于在编辑器中显示它？好吧，哪个编辑？要保留某种类型的格式信息，并假设 Web 编辑器是指 HTML 编辑器，您可以将其转换为 HTML。也许还有其他可用的工具，但由于我使用 xpdf，我遇到了基于 xpdf 的 this 转换器。

基本用法

pdftohtml -noframes -c test.pdf test.html

把它放到你最喜欢的编辑器中

echo file_get_contents('test.html');

您可能需要将内容包装在 PHP 函数/类中。您可能需要添加安全措施等等。

【讨论】：

【解决方案2】：

据我所知，不可能使用 PHP 即时将 PDF 转换为可编辑的 HTML，同时保留格式。有许多桌面应用程序都尝试从 PDF 中提取数据，结果有时更多，有时不太可靠。我想说目前这实际上是不可能的，您所能做的就是使用 XPDF 或其他命令行工具提取纯文本。

新的基于 XML 的 PDF 格式可能会有所不同，但我对此一无所知。

当然，请随意证明我错了 - 如果有解决方案，我自己会非常感兴趣。

【讨论】：