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

Ingyenes PHP API a PDF vagy annak egy adott részének szöveggé konvertálásához

Nyílt forráskódú PHP könyvtár, amely lehetővé teszi a szoftverfejlesztők számára, hogy szöveget nyerjenek ki PDF‑ekből vagy egy PDF fájl adott oldaláról PHP alkalmazásokon belül.

Mi az a PDF-to-Text?

PDF-ek szabványos formátumok a digitális dokumentumok számára minden iparágban – a pénzügyektől és az egészségügytől az oktatásig és a jogi területig. Azonban a PDF-ekből a jelentős szövegtartalom kinyerése kihívást jelenthet a szoftverfejlesztők számára. Szerencsére a Spatie PDF-to-Text könyvtára egyszerűvé és hatékonnyá teszi ezt a feladatot a PHP fejlesztőknek. Ez a nyílt forráskódú eszköz tiszta és könnyű súlyú burkot biztosít a poppler-utils csomag erőteljes pdftotext bináris köré. A könyvtár intuitív felülettel rendelkezik, amely lehetővé teszi a fejlesztők számára, hogy néhány sor kóddal szöveget nyerjenek ki. Támogatja a többoldalas dokumentumokat, oszlopos PDF-eket, beágyazott betűtípusokat és képeket, előre OCR-rel feldolgozott PDF-eket és még sok mást.

Spatie PDF-to-Text egy nyílt forráskódú PHP könyvtár, amely lehetővé teszi a szoftverfejlesztők számára, hogy egyszerű szöveget nyerjenek ki PDF fájlokból. PHP burkolóként működik a parancssori pdftotext segédprogram körül, amely a Poppler csomag része. Ez azt jelenti, hogy nem PHP könyvtárakra támaszkodik a PDF feldolgozásához, hanem egy kiforrott, kipróbált bináris eszközt használ, amely gyorsan és nagy pontossággal működik. Bár a könyvtár PHP‑ban íródott, zökkenőmentesen működik különböző operációs rendszereken (Linux, macOS és Windows), amennyiben a pdftotext bináris elérhető. Könnyű és nem húz be felesleges harmadik féltől származó könyvtárakat. Ez gyorsabbá, könnyebben karbantarthatóvá és kevésbé hajlamosra teszi a frissítések által okozott hibákat, amelyek nem kapcsolódnak hozzá.

Previous Next

A PDF-to-Text használatának megkezdése

A PDF-to-Text futtatásához először telepítenie kell a PHP 5.3 vagy újabb verzióját. A PDF-to-Text legegyszerűbben a Composer segítségével telepíthető. Kérjük, használja a következő parancsot a zökkenőmentes telepítéshez.

PDF-to-Text telepítése Composer segítségével

composer require spatie/pdf-to-text

PDF-to-Text telepítése Git parancs segítségével

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

Szöveg kinyerése PDF-fájlból PHP API használatával

A nyílt forráskódú Spatie PDF-to-Text könyvtár minimalista tervezésű, egy feladatra koncentrál—PDF-ekből szöveget kinyerni—és ezt jól végzi. Egyszerűsége kiválóan alkalmassá teszi egyedi szoftvermegoldásokhoz, mint például számlaolvasók, tudományos kutatási eszközök, jogi dokumentumfeldolgozók vagy tartalom-migrációs rendszerek. Az alábbi példa bemutatja, hogyan állíthatják be a fejlesztők a PDF fájl útvonalát, és készen állnak a teljes szövegtartalom kinyerésére. Szükség esetén testre szabhatják a bináris útvonalát is.

Hogyan nyerhetünk ki szöveget PDF-fájlból PHP API használatával?

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

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

A PDF egy adott részének kinyerése PHP-val

A könyvtár lehetővé teszi, hogy kihasználja a pdftotext parancssori eszköz erejét, mivel támogatja annak különféle opcióit. Ez azt jelenti, hogy testre szabhatja a szövegkinyerési folyamatot a saját igényei szerint. Például használhat opciókat az eredeti PDF elrendezésének megtartásához, egy adott oldaltartomány megadásához, vagy a kimenet felbontásának beállításához. Az alábbi egyszerű példa bemutatja, hogyan állítják be a fejlesztők először a layout és r opciókat, majd hozzáadják az f opciót a PDF első oldalának megadásához.

Hogyan állíthatók be különböző beállítások a PDF-szöveg kinyeréséhez PHP API-n keresztül?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Magyar