Free PHP API to Extract Text & Metadata from PDF and Images

I programvareutvikling kan håndtering av tekst fra ulike filtyper være utfordrende, men er en hyppig oppgave. Enten du lager et system for dokumenthåndtering, et verktøy for innholdsanalyse eller en søkemotor, er evnen til å trekke ut tekst fra PDF‑er, Word‑dokumenter, regneark og andre filformater avgjørende. Det er her PHP‑Apache‑Tika‑biblioteket blir verdifullt. Apache Tika er et fleksibelt verktøysett laget for å håndtere innholdsanalyseoppgaver. Du kan bruke Tika til å hente ut metadata og tekst fra ulike filtyper som PDF‑er, Microsoft Office‑filer og bilder. Tika ble opprinnelig skrevet i Java. Det settes ofte opp som en egen server, tilgjengelig via HTTP. Denne metoden lar ulike programmeringsspråk, som PHP, bruke Tikas kraftige funksjoner uten å måtte bygge komplekse parser‑prosesser fra bunnen av.

Biblioteket støtter mange funksjoner som tekst‑ og HTML‑uttrekk, metadata‑uttrekk, forbedret feilhåndtering, OCR‑gjenkjenning, standardiserte metadata for dokumenter, støtte for lokale og eksterne ressurser, og mye mer. PHP‑Apache‑Tika‑biblioteket kobler PHP‑applikasjoner til Apache Tika‑serveren. I stedet for å bygge egne parser‑ eller konverteringsverktøy, kan du bruke dette biblioteket til å sende dokumenter til Tika‑serveren og motta ren, ekstrahert tekst eller metadata tilbake. Dette forenkler utviklingsprosessen og sikrer at applikasjonen din drar nytte av Tikas kontinuerlige forbedringer og brede formatstøtte. Enten du utvikler et komplekst dokumenthåndteringssystem eller et lettvektig innholdsanalyseverktøy, gir PHP‑Apache‑Tika‑biblioteket en pålitelig og fleksibel løsning.

• På et øyeblikk
• Plattformuavhengighet
• Støttede filformater

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();
}