واجهة برمجة تطبيقات PHP مجانية لاستخراج النص والبيانات الوصفية من PDF والصور

في مجال تطوير البرمجيات، التعامل مع النص من أنواع مختلفة من الملفات قد يكون معقدًا لكنه مهمة شائعة. سواء كنت تنشئ نظامًا لإدارة المستندات، أداة لتحليل المحتوى، أو محرك بحث، فإن القدرة على استخراج النص من ملفات PDF، مستندات Word، جداول البيانات، وغيرها من صيغ الملفات أمر حاسم. هنا يأتي دور مكتبة PHP-Apache-Tika. Apache Tika هي مجموعة أدوات مرنة صُممت لإدارة مهام تحليل المحتوى. يمكنك استخدام Tika لاستخراج البيانات الوصفية والنص من صيغ ملفات مختلفة مثل PDF، ملفات Microsoft Office، والصور. تم كتابة Tika في البداية بلغة Java. غالبًا ما تُنشأ كخادم مستقل، مما يجعلها متاحة عبر HTTP. هذه الطريقة تسمح للغات برمجة مختلفة، مثل PHP، بالاستفادة من قدرات Tika القوية دون الحاجة إلى إنشاء عمليات تحليل معقدة من الصفر.

تدعم المكتبة العديد من الميزات مثل استخراج النص وHTML، استخراج البيانات الوصفية، تحسين معالجة الأخطاء، التعرف على OCR، بيانات وصفية موحدة للوثائق، دعم الموارد المحلية والبعيدة، والعديد غير ذلك. مكتبة PHP-Apache-Tika تربط تطبيقات PHP بخادم Apache Tika. بدلاً من بناء محولات أو محللات خاصة بك، يمكنك الاعتماد على هذه المكتبة لإرسال المستندات إلى خادم Tika واستلام النص أو البيانات الوصفية المستخرجة نظيفة. هذا لا يبسط عملية التطوير فحسب، بل يضمن أيضًا استفادة تطبيقك من التحسينات المستمرة ودعم الصيغ الواسع في Tika. سواء كنت تطور نظام إدارة مستندات معقد أو أداة تحليل محتوى خفيفة، توفر مكتبة PHP-Apache-Tika حلاً موثوقًا ومرنًا.

• نظرة سريعة
• استقلالية المنصة
• صيغ الملفات المدعومة

composer require vaites/php-apache-tika

git clone https://github.com/fizzday/OcrPHP.git 

require_once 'vendor/autoload.php';

use Vaites\ApacheTika\TikaClient;

// Initialize the Tika client with the Tika server URL
$client = new TikaClient('http://localhost:9998');

// Define the path to the document (e.g., PDF, DOCX, etc.)
$filePath = '/path/to/your/document.pdf';

try {
    // Extract text content from the document
    $extractedText = $client->extract($filePath);
    echo "Extracted Text:\n" . $extractedText;
} catch (\Exception $e) {
    echo "Error extracting text: " . $e->getMessage();
}

require_once 'vendor/autoload.php';

use Vaites\ApacheTika\TikaClient;

// Initialize the Tika client
$client = new TikaClient('http://localhost:9998');

// Specify the document file path
$filePath = '/path/to/your/document.pdf';

try {
    // Extract metadata from the document
    $metadata = $client->getMetadata($filePath);
    echo "Extracted Metadata:\n";
    print_r($metadata);
} catch (\Exception $e) {
    echo "Error extracting metadata: " . $e->getMessage();
}