API PHP Gratis untuk Mengekstrak Teks & Metadata dari PDF dan Gambar

Dalam bidang pengembangan perangkat lunak, menangani teks dari berbagai jenis file dapat menjadi rumit namun merupakan tugas yang sering dilakukan. Baik Anda membuat sistem untuk mengelola dokumen, alat untuk menganalisis konten, atau mesin pencari, kemampuan mengekstrak teks dari PDF, dokumen Word, spreadsheet, dan format file lainnya sangat penting. Di sinilah perpustakaan PHP-Apache-Tika menjadi berharga. Apache Tika adalah toolkit fleksibel yang dibuat untuk mengelola pekerjaan analisis konten. Anda dapat menggunakan Tika untuk mengambil metadata dan teks dari berbagai tipe file seperti PDF, file Microsoft Office, dan gambar. Tika awalnya ditulis dalam Java. Biasanya Tika dijalankan sebagai server terpisah, sehingga dapat diakses melalui HTTP. Metode ini memungkinkan bahasa pemrograman berbeda, seperti PHP, memanfaatkan kemampuan kuat Tika tanpa harus membuat proses parsing yang rumit dari awal.

Perpustakaan ini mendukung banyak fitur seperti ekstraksi teks dan HTML, ekstraksi metadata, penanganan error yang lebih baik, pengenalan OCR, metadata standar untuk dokumen, dukungan sumber daya lokal dan remote, serta banyak lagi. Perpustakaan PHP-Apache-Tika menjembatani aplikasi PHP dengan server Apache Tika. Daripada membangun parser atau konverter sendiri, Anda dapat mengandalkan perpustakaan ini untuk mengirim dokumen ke server Tika dan menerima teks bersih atau metadata yang diekstrak kembali. Ini tidak hanya menyederhanakan proses pengembangan tetapi juga memastikan aplikasi Anda mendapat manfaat dari peningkatan berkelanjutan Tika dan dukungan format yang luas. Baik Anda mengembangkan sistem manajemen dokumen yang kompleks atau alat analisis konten yang ringan, perpustakaan PHP-Apache-Tika menyediakan solusi yang andal dan fleksibel.

• Sekilas
• Kemandirian Platform
• Format File yang Didukung

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();
}