Darmowe API PHP do wyodrębniania tekstu i metadanych z PDF i obrazów

W dziedzinie tworzenia oprogramowania radzenie sobie z tekstem pochodzącym z różnych typów plików może być trudne, ale jest to częste zadanie. Niezależnie od tego, czy tworzysz system zarządzania dokumentami, narzędzie do analizy treści, czy wyszukiwarkę, możliwość wyodrębniania tekstu z PDF‑ów, dokumentów Word, arkuszy kalkulacyjnych i innych formatów plików jest kluczowa. Właśnie tutaj biblioteka PHP-Apache-Tika okazuje się cenna. Apache Tika to elastyczne narzędzie stworzone do obsługi zadań analizy treści. Możesz używać Tiki do pobierania metadanych i tekstu z różnych typów plików, takich jak PDF‑y, pliki Microsoft Office i obrazy. Tika została pierwotnie napisana w języku Java. Często jest uruchamiana jako osobny serwer, dostępny przez HTTP. Dzięki temu różne języki programowania, takie jak PHP, mogą korzystać z potężnych możliwości Tiki, nie musząc tworzyć skomplikowanych procesów parsowania od podstaw.

Biblioteka wspiera liczne funkcje, takie jak wyodrębnianie tekstu i HTML, wyodrębnianie metadanych, lepsze obsługiwanie błędów, rozpoznawanie OCR, ustandaryzowane metadane dokumentów, wsparcie zasobów lokalnych i zdalnych oraz wiele innych. Biblioteka PHP-Apache-Tika łączy aplikacje PHP z serwerem Apache Tika. Zamiast budować własne parsery lub konwertery, możesz polegać na tej bibliotece, aby wysyłać dokumenty do serwera Tika i otrzymywać czysty, wyodrębniony tekst lub metadane w zamian. To nie tylko upraszcza proces tworzenia oprogramowania, ale także zapewnia, że Twoja aplikacja korzysta z ciągłych ulepszeń i szerokiego wsparcia formatów oferowanych przez Tika. Niezależnie od tego, czy tworzysz rozbudowany system zarządzania dokumentami, czy lekki tool do analizy treści, biblioteka PHP-Apache-Tika zapewnia niezawodne i elastyczne rozwiązanie.

• Na pierwszy rzut oka
• Niezależność platformowa
• Obsługiwane formaty plików

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();
}