API PHP Saor chun téacs & meiteashonraí a bhaint as PDF agus íomhánna

Sa réimse forbartha bogearraí, is féidir go mbeadh sé deacair le téacs ó chineálacha éagsúla comhad a láimhseáil, ach is tasc coitianta é. Cibé an bhfuil tú ag cruthú córais chun doiciméid a bhainistiú, uirlis chun ábhar a anailísiú, nó innill chuardaigh, tá sé ríthábhachtach go mbeidh tú in ann téacs a bhaint as PDFanna, doiciméid Word, scarbhileoga, agus formáidí comhaid eile. Seo áit a bhíonn leabharlann PHP-Apache-Tika úsáideach. Is uirlis sholúbtha é Apache Tika a dheartha chun tascanna anailíse ábhair a bhainistiú. Is féidir leat Tika a úsáid chun meiteashonraí agus téacs a bhaint ó chineálacha éagsúla comhad cosúil le PDFanna, comhaid Microsoft Office, agus íomhánna. Bhí Tika cláraithe i Java ar dtús. De ghnáth, socraítear é mar fhreastalaí ar a shon féin, rud a fhágann go bhfuil sé inrochtana trí HTTP. Ligeann an modh seo d’fhormhór na dteangacha cláir, mar PHP, rochtain a fháil ar chumais láidre Tika gan gá le próisis parsála casta a chruthú ón bhun.

Tacaíonn an leabharlann le go leor gnéithe cosúil le baint téacs agus HTML, baint meiteashonraí, láimhseáil earráidí níos fearr, aithint OCR, meiteashonraí caighdeánaithe doiciméad, tacaíocht acmhainní áitiúla agus cianda, agus go leor eile. Ceanglaíonn leabharlann PHP-Apache-Tika feidhmchláir PHP le freastalaí Apache Tika. Seachas do parsálaithe nó tiontair féin a thógáil, is féidir leat brath ar an leabharlann seo chun doiciméid a sheoladh chuig an bhfreastalaí Tika agus téacs glan nó meiteashonraí a bhaintear ar ais. Ní hamháin go simplíonnann sé an próiseas forbartha ach cinntíonn sé freisin go mbainfidh d’iarratas leas as feabhsúcháin leanúnacha Tika agus tacaíocht leathan formáidí. Cibé an bhfuil tú ag forbairt córas bainistíochta doiciméad casta nó uirlis anailíse ábhair éadrom, soláthraíonn leabharlann PHP-Apache-Tika réiteach iontaofa agus solúbtha.

• Ag Amharc
• Neamhspleáchas Ardán
• Formáidí Comhaid Tacaíochta

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();
}