1. Tuotteet
  2.   PDF
  3.   PHP
  4.   PDF-to-Text
 
  

Ilmainen PHP-API PDF:n tai tietyn osan muuntamiseen tekstiksi

Avoimen lähdekoodin PHP-kirjasto, joka mahdollistaa ohjelmistokehittäjille tekstin poimimisen PDF-tiedostoista tai tietystä PDF-sivusta PHP-sovelluksissa.

Mikä on PDF-tekstiksi?

PDF:t ovat standardimuoto digitaalisille asiakirjoille kaikilla toimialoilla—rahoitusalalta ja terveydenhuollosta koulutukseen ja oikeudellisiin asioihin. Kuitenkin merkityksellisen tekstisisällön poimiminen PDF:istä voi olla haaste ohjelmistokehittäjille. Onneksi Spatien PDF-to-Text -kirjasto tekee tästä tehtävästä yksinkertaisen ja tehokkaan PHP-kehittäjille. Tämä avoimen lähdekoodin työkalu tarjoaa puhtaan ja kevyen wrapperin tehokkaan pdftotext-binäärin ympärille poppler-utils-paketista. Kirjastolla on intuitiivinen käyttöliittymä, jonka avulla kehittäjät voivat poimia tekstiä vain muutamalla koodirivillä. Se tukee monisivuisia asiakirjoja, sarakkeita sisältäviä PDF:eja, upotettuja fontteja ja kuvia, valmiita PDF:eja (jos OCR on ennakkoon sovellettu) ja paljon muuta.

Spatie PDF-to-Text on avoimen lähdekoodin PHP-kirjasto, jonka avulla ohjelmistokehittäjät voivat poimia tavallista tekstiä PDF-tiedostoista. Se toimii PHP-kääreenä komentorivityökalulle pdftotext, joka kuuluu Poppler-pakettiin. Tämä tarkoittaa, että se ei luota PHP-kirjastoihin PDF:n jäsentämisessä, vaan hyödyntää kypsää, taistelukokemusta omaavaa binäärityökalua, joka toimii nopeasti ja tarkasti. Vaikka kirjasto on kirjoitettu PHP:llä, se toimii saumattomasti eri käyttöjärjestelmissä (Linux, macOS ja Windows), kunhan pdftotext-binääri on saatavilla. Se on kevyt eikä tuo mukanaan tarpeettomia kolmannen osapuolen kirjastoja. Tämä tekee siitä nopeamman, helpommin ylläpidettävän ja vähemmän alttiin rikkoutumaan riippumattomien riippuvuuksien päivitysten vuoksi.

Previous Next

Aloittaminen PDF-tekstiksi

PDF-to-Text:n suorittamiseen sinun täytyy ensin asentaa PHP-versio 5.3 tai uudempi. Helpoin tapa asentaa PDF-to-Text on Composerin kautta. Käytäthän seuraavaa komentoa sujuvan asennuksen varmistamiseksi.

Asenna PDF-tekstiksi composerin avulla

composer require spatie/pdf-to-text

Asenna PDF-tekstiksi Git-komennolla

git clone https://github.com/spatie/pdf-to-text.git 
cd dompdf/lib

Poimi teksti PDF-tiedostosta PHP-API:n avulla

Avoimen lähdekoodin Spatie PDF-to-Text -kirjasto on suunniteltu minimalistiseksi, keskittyen yhteen tehtävään — PDF-tiedostojen tekstin poimimiseen — ja tekee sen hyvin. Sen yksinkertaisuus tekee siitä erinomaisen valinnan räätälöidyille ohjelmistoratkaisuille, kuten laskunlukijoille, akateemisille tutkimustyökaluille, oikeudellisten asiakirjojen prosessoreille tai sisällönsiirtojärjestelmille. Seuraava esimerkki osoittaa, miten ohjelmistokehittäjät voivat vain asettaa PDF-tiedoston polun ja ovat valmiita poimimaan kaiken sen tekstisisällön. He voivat myös mukauttaa binäärin polkua tarvittaessa.

Kuinka poimia teksti PDF-tiedostosta PHP-API:n avulla?

use Spatie\PdfToText\Pdf;
$text = (new Pdf())
    ->setPdf('example.pdf')
    ->text();

echo $text;
$text = (new Pdf('/custom/path/to/pdftotext'))
    ->setPdf('report.pdf')
    ->text();

Poimi PDF:n tietty osa PHP:n avulla

Kirjasto mahdollistaa pdftotext-komentorivityökalun voiman hyödyntämisen tarjoamalla tukea sen erilaisille asetuksille. Tämä tarkoittaa, että voit räätälöidä tekstin poimintaprosessin vastaamaan erityistarpeitasi. Esimerkiksi voit käyttää asetuksia alkuperäisen PDF:n asettelun säilyttämiseen, määrittää tietyn sivualueen tai asettaa tulosteen resoluution. Seuraava yksinkertainen esimerkki näyttää, miten ohjelmistokehittäjät ensin asettavat layout- ja r‑asetukset ja sitten lisäävät f‑asetuksen määrittääkseen PDF:n ensimmäisen sivun.

Kuinka asettaa erilaisia asetuksia PDF-tekstin poimintaan PHP-API:n avulla?

use Spatie\PdfToText\Pdf;

$text = (new Pdf())
    ->setPdf('table.pdf')
    ->setOptions(['layout', 'r 96'])
    ->addOptions(['f 1'])
    ->text();

echo $text;
 Suomen