Free PHP API to Extract Text & Metadata from PDF and Images

सॉफ़्टवेयर विकास के क्षेत्र में विभिन्न प्रकार की फ़ाइलों से टेक्स्ट को संभालना जटिल हो सकता है, लेकिन यह एक सामान्य कार्य है। चाहे आप दस्तावेज़ प्रबंधन प्रणाली बना रहे हों, कंटेंट विश्लेषण टूल, या सर्च इंजन, PDFs, Word दस्तावेज़, स्प्रेडशीट और अन्य फ़ाइल फ़ॉर्मैट्स से टेक्स्ट निकालने में सक्षम होना अत्यंत महत्वपूर्ण है। यहीं पर PHP‑Apache‑Tika लाइब्रेरी मूल्यवान बनती है। Apache Tika एक लचीला टूलकिट है जिसे कंटेंट एनालिसिस कार्यों को संभालने के लिए बनाया गया है। आप Tika का उपयोग करके PDFs, Microsoft Office फ़ाइलें और इमेज जैसी विभिन्न फ़ाइल प्रकारों से मेटाडेटा और टेक्स्ट निकाल सकते हैं। Tika मूल रूप से Java में लिखा गया था। इसे अक्सर एक स्वतंत्र सर्वर के रूप में सेट किया जाता है, जिससे यह HTTP के माध्यम से उपलब्ध होता है। यह तरीका विभिन्न प्रोग्रामिंग भाषाओं, जैसे PHP, को Tika की शक्तिशाली क्षमताओं का उपयोग करने देता है, बिना जटिल पार्सिंग प्रक्रियाओं को शून्य से बनाने की आवश्यकता के।

यह लाइब्रेरी कई सुविधाओं का समर्थन करती है, जैसे टेक्स्ट और HTML निष्कर्षण, मेटाडेटा निष्कर्षण, बेहतर त्रुटि प्रबंधन, OCR पहचान, दस्तावेज़ों के लिए मानकीकृत मेटाडेटा, स्थानीय और दूरस्थ संसाधनों का समर्थन, और कई अन्य। PHP‑Apache‑Tika लाइब्रेरी PHP अनुप्रयोगों को Apache Tika सर्वर से जोड़ती है। अपने स्वयं के पार्सर या कन्वर्टर बनाने के बजाय, आप इस लाइब्रेरी का उपयोग करके दस्तावेज़ों को Tika सर्वर पर भेज सकते हैं और साफ़, निकाले गए टेक्स्ट या मेटाडेटा प्राप्त कर सकते हैं। यह न केवल विकास प्रक्रिया को सरल बनाता है, बल्कि यह भी सुनिश्चित करता है कि आपका अनुप्रयोग Tika के निरंतर सुधारों और व्यापक फ़ॉर्मैट समर्थन से लाभान्वित हो। चाहे आप एक जटिल दस्तावेज़ प्रबंधन प्रणाली विकसित कर रहे हों या एक हल्का कंटेंट विश्लेषण टूल, PHP‑Apache‑Tika लाइब्रेरी एक विश्वसनीय और लचीला समाधान प्रदान करती है।

• एक नज़र में
• प्लेटफ़ॉर्म स्वतंत्रता
• समर्थित फ़ाइल फ़ॉर्मैट्स

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();
}