ספריית PHP בקוד פתוח לניתוח קבצי PDF

תחילת העבודה עם PDFParser

ספריית PDFParser תוריד אוטומטית דרך שורת הפקודה composer. הוסף את PDFParser לקובץ composer.json שלך.

 { 
  "require": {
  "smalot/pdfparser": "*"
  } 
 } 

נתח קובץ PDF וחלץ טקסט מכל עמוד באמצעות PHP API

PDFParser מספק את הפונקציונליות המאפשרת למתכנתי מחשבים לנתח מסמכי PDF בתוך יישום PHP משלהם. ראשית, עליך לבנות אובייקטים נחוצים ואז לטעון את קובץ ה-PDF, ניתן לאחסן את הקובץ המנתח על משתנה ואז אובייקט זה יאפשר לך לטפל ב-PDF עמוד אחר עמוד. עכשיו אתה יכול בקלות לחלץ טקסט מכל ה-PDF או בנפרד לפי דפים. לאחר ניתוח המסמך כעת תוכל לחלץ בקלות טקסט מכל עמוד ב-PDF.

  // Include Composer autoloader if not already done.
  include 'vendor/autoload.php';
  // Parse Base64 encoded PDF string and build necessary objects.
  $parser = new \Smalot\PdfParser\Parser();
  $pdf  = $parser->parseContent(base64_decode($base64PDF));
  $text = $pdf->getText();
  echo $text;

חלץ מטא נתונים ממסמך PDF

Metadata includes very important information about the PDF document and its contents such as Author, copyright information, creator, Creation Date and more. PDFParser gives developers the power to extract metadata from a PDF document. Once the document is parsed you can easily retrieve all details from the PDF file.

  // Metadata Extraction from PDF 
  $metaData = $pdf->getDetails();
  Array
  (
   [Producer] => Adobe Acrobat
   [CreatedOn] => 2022-01-28T16:36:11+00:00
   [Pages] => 35
  )

חלץ טקסט מדף PDF ספציפי

PDFParser מאפשר למפתחים לחלץ טקסט מדפים ספציפיים בקלות על ידי שימוש בכמות קטנה של קוד. ה-API נותן למפתחים את היכולת לטפל בנפרד בכל עמוד של מסמך ה-PDF. מפתחים יכולים לעבור דרך מערך הדפים ויכולים לאחזר טקסט מהעמוד לפי בחירתם. סדר המערך זהה לזה של מסמך ה-PDF.

  // Extract Text from PDF via PHP
  $text = $pdf->getText();
  // or extract the text of a specific page (in this case the first page)
  $text = $pdf->getPages()[0]->getText();