1. Des produits
  2.   PDF
  3.   PHP
  4.   PDF-to-Text
 
  

API PHP gratuite pour convertir un PDF ou une partie spécifique en texte

Bibliothèque PHP Open Source qui permet aux développeurs de logiciels d'extraire du texte de PDF ou d'une page spécifique d'un fichier PDF dans les applications PHP.

Qu'est-ce que PDF-to-Text ?

Les PDF sont un format standard pour les documents numériques dans tous les secteurs — de la finance et de la santé à l'éducation et au juridique. Cependant, extraire un contenu textuel significatif des PDF peut représenter un défi pour les développeurs de logiciels. Heureusement, la bibliothèque PDF-to-Text de Spatie rend cette tâche simple et efficace pour les développeurs PHP. Cet outil open source fournit un wrapper propre et léger autour du puissant binaire pdftotext du paquet poppler-utils. La bibliothèque possède une interface intuitive qui permet aux développeurs d'extraire du texte en quelques lignes de code seulement. Elle prend en charge les documents multi-pages, les PDF avec colonnes, les polices et images intégrées, les PDF pré‑traités (si l’OCR a été appliqué au préalable) et bien plus encore.

Spatie PDF-to-Text est une bibliothèque PHP open source qui permet aux développeurs de logiciels d'extraire du texte brut à partir de fichiers PDF. Elle agit comme un wrapper PHP autour de l'utilitaire en ligne de commande pdftotext, faisant partie de la suite Poppler. Cela signifie qu'elle ne dépend pas des bibliothèques PHP pour analyser le PDF, mais exploite plutôt un outil binaire mature et éprouvé qui fonctionne rapidement et avec une grande précision. Bien que la bibliothèque soit écrite en PHP, elle fonctionne de manière transparente sur différents systèmes d'exploitation (Linux, macOS et Windows) tant que le binaire pdftotext est disponible. Elle est légère et n'entraîne aucune bibliothèque tierce inutile. Cela la rend plus rapide, plus facile à maintenir et moins sujette aux ruptures dues aux mises à jour de dépendances non liées.

Previous Next

Commencer avec PDF-to-Text

Pour exécuter PDF-to-Text, vous devez d'abord installer PHP version 5.3 ou supérieure. Le moyen le plus simple d'installer PDF-to-Text est via Composer. Veuillez utiliser la commande suivante pour une installation fluide.

Installer PDF-to-Text via Composer

composer require spatie/pdf-to-text

Installer PDF-to-Text via la commande Git

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

Extraire le texte d'un fichier PDF à l'aide de l'API PHP

La bibliothèque open source Spatie PDF-to-Text est minimale par conception, se concentrant sur une seule tâche — extraire le texte des PDF — et le faire correctement. Sa simplicité en fait un choix excellent pour des solutions logicielles personnalisées telles que les scanners de factures, les outils de recherche académique, les processeurs de documents juridiques ou les systèmes de migration de contenu. L'exemple suivant montre comment les développeurs peuvent simplement définir le chemin du fichier PDF et sont prêts à extraire tout son contenu texte. Ils peuvent également personnaliser le chemin vers le binaire si nécessaire.

Comment extraire le texte d'un fichier PDF à l'aide de l'API PHP ?

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

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

Extraire une partie spécifique du PDF via PHP

La bibliothèque vous permet de tirer parti de la puissance de l'outil en ligne de commande pdftotext en offrant la prise en charge de ses différentes options. Cela signifie que vous pouvez personnaliser le processus d'extraction du texte pour répondre à vos besoins spécifiques. Par exemple, vous pouvez utiliser des options pour conserver la mise en page du PDF original, spécifier une plage de pages particulière ou définir la résolution de la sortie. L'exemple simple suivant montre comment les développeurs définissent d'abord les options layout et r, puis ajoutent l'option f pour spécifier la première page du PDF.

Comment définir diverses options pour extraire le texte PDF via l'API PHP ?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Français