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

Nemokama PHP API, skirta konvertuoti PDF arba konkrečią dalį į tekstą

Atviro kodo PHP biblioteka, leidžianti programinės įrangos kūrėjams išgauti tekstą iš PDF failų arba konkrečios PDF puslapio dalies PHP programose.

Kas yra PDF‑į‑tekstą?

PDF yra standartinis formatas skaitmeniniams dokumentams visose pramonės šakose – nuo finansų ir sveikatos priežiūros iki švietimo ir teisės. Tačiau prasmingo teksto išgavimas iš PDF gali būti iššūkis programinės įrangos kūrėjams. Laimei, „Spatie“ PDF‑to‑Text biblioteka šią užduotį padaro paprasta ir efektyvią PHP kūrėjams. Šis atviro kodo įrankis suteikia švarų ir lengvą apvalkalą aplink galingą pdftotext binarinį failą iš poppler‑utils paketo. Biblioteka turi intuityvią sąsają, leidžiančią kūrėjams išgauti tekstą vos keliais kodo eilutėmis. Ji palaiko daugelio puslapių dokumentus, PDF su stulpeliais, įterptus šriftus ir vaizdus, paruoštus PDF (jei OCR jau taikytas) ir dar daug daugiau.

Spatie PDF-to-Text yra atviro kodo PHP biblioteka, leidžianti programinės įrangos kūrėjams iš PDF failų išgauti gryną tekstą. Ji veikia kaip PHP apvalkalas aplink komandų eilutės įrankį pdftotext, priklausantį Poppler paketui. Tai reiškia, kad ji nesikliauja PHP bibliotekomis PDF analizavimui, o vietoje to naudoja išbandytą, patikimą binarinį įrankį, kuris veikia greitai ir labai tiksliai. Nors biblioteka parašyta PHP, ji sklandžiai veikia įvairiose operacinėse sistemose (Linux, macOS ir Windows), jei pdftotext binarinis failas yra prieinamas. Ji yra lengva ir neįtraukia jokių nereikalingų trečiųjų šalių bibliotekų. Tai daro ją greitesnę, lengviau prižiūrimą ir mažiau linkusią į gedimus dėl nesusijusių priklausomybių atnaujinimų.

Previous Next

Pradžia su PDF‑į‑tekstą

Norint naudoti PDF-to-Text, pirmiausia reikia įdiegti PHP versiją 5.3 arba aukštesnę. Paprasčiausias būdas įdiegti PDF-to-Text yra per Composer. Prašome naudoti šią komandą sklandžiam įdiegimui.

Įdiekite PDF‑į‑tekstą per Composer

composer require spatie/pdf-to-text

Įdiekite PDF‑į‑tekstą per Git komandą

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

Išgauti tekstą iš PDF failo naudojant PHP API

Atviro kodo Spatie PDF-į-tekstą biblioteka yra minimalistinė pagal dizainą, sutelkta į vieną užduotį – teksto iš PDF failų išgavimą – ir tai daro gerai. Jos paprastumas daro ją puikiai tinkamą pritaikytoms programinės įrangos sprendimams, tokiems kaip sąskaitų skeneriai, akademinių tyrimų įrankiai, teisiniai dokumentų procesoriai arba turinio migracijos sistemos. Žemiau pateiktas pavyzdys rodo, kaip programinės įrangos kūrėjai gali tiesiog nustatyti PDF failo kelią ir būti pasiruošę išgauti visą jo teksto turinį. Jie taip pat gali pritaikyti kelio į binarinį failą, jei reikia.

Kaip išgauti tekstą iš PDF failo naudojant PHP API?

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

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

Išgauti konkrečią PDF dalį naudojant PHP

Biblioteka leidžia išnaudoti pdftotext komandų eilutės įrankio galią, suteikdama palaikymą jo įvairioms parinktims. Tai reiškia, kad galite pritaikyti teksto išgavimo procesą pagal savo specifinius poreikius. Pavyzdžiui, galite naudoti parinktis, kad išlaikytumėte originalaus PDF išdėstymą, nurodytumėte konkretų puslapių intervalą arba nustatytumėte išvesties rezoliuciją. Žemiau pateiktas paprastas pavyzdys rodo, kaip programinės įrangos kūrėjai pirmiausia nustato išdėstymo ir r parinktis, o tada prideda f parinktį, kad nurodytų pirmąjį PDF puslapį.

Kaip nustatyti įvairias parinktis PDF teksto išgavimui naudojant PHP API?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Lietuvių