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

Bezmaksas PHP API, lai pārvērstu PDF vai konkrētu daļu tekstā

Atvērtā koda PHP bibliotēka, kas ļauj programmatūras izstrādātājiem izvilkt tekstu no PDF vai konkrētas PDF faila lapas PHP lietojumprogrammās.

Kas ir PDF‑uz‑tekstu?

PDF ir standarta formāts digitālajiem dokumentiem visās nozarēs — no finanšu un veselības aprūpes līdz izglītībai un tieslietu jomai. Tomēr nozīmīga teksta satura izguve no PDF var būt izaicinājums programmatūras izstrādātājiem. Par laimi, Spatie PDF‑uz‑tekstu bibliotēka padara šo uzdevumu vienkāršu un efektīvu PHP izstrādātājiem. Šis atvērtā koda rīks nodrošina tīru un vieglu apvalku ap jaudīgo pdftotext bināro failu no poppler‑utils pakotnes. Bibliotēkai ir intuitīva saskarne, kas ļauj izstrādātājiem izvilkt tekstu tikai ar dažām koda rindām. Tā atbalsta vairāku lapu dokumentus, PDF ar kolonnām, iegultus fontus un attēlus, iepriekš sagatavotus PDF (ja OCR jau ir piemērots) un daudz ko citu.

Spatie PDF-to-Text ir atvērtā koda PHP bibliotēka, kas ļauj programmatūras izstrādātājiem izvilkt vienkāršu tekstu no PDF failiem. Tā darbojas kā PHP apvalks ap komandrindas utilītu pdftotext, kas ir daļa no Poppler komplekta. Tas nozīmē, ka tā nepaļaujas uz PHP bibliotēkām PDF parsēšanai, bet izmanto pieredzējušu, pārbaudītu bināro rīku, kas strādā ātri un ar augstu precizitāti. Lai gan bibliotēka ir rakstīta PHP, tā darbojas nevainojami dažādās operētājsistēmās (Linux, macOS un Windows), ja pdftotext binārais fails ir pieejams. Tā ir viegla un neiekļauj nevajadzīgas trešo pušu bibliotēkas. Tas padara to ātrāku, vieglāk uzturamu un mazāk pakļautu bojājumiem saistībā ar neatbilstošu atkarību atjauninājumiem.

Previous Next

Sākšana ar PDF‑uz‑tekstu

Lai palaistu PDF-to-Text, vispirms jāinstalē PHP versija 5.3 vai jaunāka. Visvienkāršākais veids, kā instalēt PDF-to-Text, ir caur Composer. Lūdzu, izmantojiet šādu komandu, lai veiktu vienkāršu instalāciju.

Instalēt PDF‑uz‑tekstu, izmantojot Composer

composer require spatie/pdf-to-text

Instalēt PDF‑uz‑tekstu, izmantojot Git komandu

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

Izvilkt tekstu no PDF faila, izmantojot PHP API

Atvērtā koda Spatie PDF-uz-tekstu bibliotēka ir minimāla pēc dizaina, koncentrējoties uz vienu uzdevumu — teksta izguve no PDF failiem — un to dara labi. Tās vienkāršība padara to par lielisku izvēli pielāgotām programmatūras risinājumiem, piemēram, rēķinu skeneriem, akadēmiskās pētniecības rīkiem, juridisko dokumentu apstrādātājiem vai satura migrācijas sistēmām. Zemāk esošais piemērs parāda, kā programmatūras izstrādātāji var vienkārši iestatīt PDF faila ceļu, un viņi ir gatavi izvilkt visu tā teksta saturu. Viņi var arī pielāgot ceļu uz bināro failu, ja tas ir nepieciešams.

Kā izvilkt tekstu no PDF faila, izmantojot 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();

Izvilkt konkrētu PDF daļu, izmantojot PHP

Bibliotēka ļauj izmantot pdftotext komandrindas rīka jaudu, nodrošinot atbalstu tā dažādām opcijām. Tas nozīmē, ka varat pielāgot teksta izguves procesu atbilstoši savām konkrētajām vajadzībām. Piemēram, varat izmantot iespējas, lai saglabātu sākotnējā PDF izkārtojumu, norādītu konkrētu lapu diapazonu vai iestatītu izvades izšķirtspēju. Zemāk esošais vienkāršais piemērs parāda, kā programmatūras izstrādātāji vispirms iestata layout un r opcijas, un pēc tam pievieno f opciju, lai norādītu pirmo PDF lapu.

Kā iestatīt dažādas iespējas PDF teksta izgūšanai, izmantojot PHP API?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Latviski