API PHP Percuma untuk Mengekstrak Teks & Metadata dari PDF dan Imej

Dalam bidang pembangunan perisian, mengendalikan teks daripada pelbagai jenis fail boleh menjadi sukar tetapi merupakan tugas yang kerap. Sama ada anda sedang membina sistem untuk mengurus dokumen, alat untuk menganalisis kandungan, atau enjin carian, keupayaan mengekstrak teks daripada PDF, dokumen Word, hamparan, dan format fail lain adalah penting. Di sinilah perpustakaan PHP-Apache-Tika menjadi berharga. Apache Tika ialah satu set alat fleksibel yang direka untuk menguruskan kerja-kerja analisis kandungan. Anda boleh menggunakan Tika untuk mengekstrak metadata dan teks daripada pelbagai jenis fail seperti PDF, fail Microsoft Office, dan imej. Tika pada mulanya ditulis dalam Java. Ia biasanya dipasang sebagai pelayan tersendiri, menjadikannya boleh diakses melalui HTTP. Kaedah ini membolehkan pelbagai bahasa pengaturcaraan, seperti PHP, memanfaatkan keupayaan kuat Tika tanpa perlu membina proses penguraian yang rumit dari awal.

Perpustakaan ini menyokong pelbagai ciri seperti pengekstrakan teks dan HTML, pengekstrakan metadata, pengendalian ralat yang lebih baik, pengenalan OCR, metadata piawai untuk dokumen, sokongan sumber tempatan dan jauh, dan banyak lagi. Perpustakaan PHP-Apache-Tika menghubungkan aplikasi PHP dengan pelayan Apache Tika. Daripada membina penguraian atau penukar anda sendiri, anda boleh bergantung pada perpustakaan ini untuk menghantar dokumen ke pelayan Tika dan menerima teks bersih atau metadata yang diekstrak kembali. Ini bukan sahaja mempermudah proses pembangunan tetapi juga memastikan aplikasi anda mendapat manfaat daripada peningkatan berterusan Tika dan sokongan format yang meluas. Sama ada anda sedang membangunkan sistem pengurusan dokumen yang kompleks atau alat analisis kandungan yang ringan, perpustakaan PHP-Apache-Tika menyediakan penyelesaian yang boleh dipercayai dan fleksibel.

• Secara Ringkas
• Kebebasan Platform
• Format Fail Disokong

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();
}