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

API PHP gratuita para converter PDF ou parte específica para texto

Biblioteca PHP Open Source que permite que desenvolvedores de software extraiam texto de PDFs ou de uma página específica de um arquivo PDF dentro de aplicações PHP.

O que é PDF-to-Text?

Os PDFs são um formato padrão para documentos digitais em todos os setores — desde finanças e saúde até educação e jurídico. No entanto, extrair conteúdo de texto significativo de PDFs pode ser um desafio para desenvolvedores de software. Felizmente, a biblioteca PDF-to-Text da Spatie torna essa tarefa simples e eficiente para desenvolvedores PHP. Esta ferramenta de código aberto fornece um wrapper limpo e leve em torno do poderoso binário pdftotext do pacote poppler-utils. A biblioteca tem uma interface intuitiva que permite aos desenvolvedores extrair texto com apenas algumas linhas de código. Ela suporta documentos de várias páginas, PDFs com colunas, fontes e imagens incorporadas, PDFs pré-processados (se OCR já foi aplicado) e muito mais.

Spatie PDF-to-Text é uma biblioteca PHP de código aberto que permite a desenvolvedores de software extrair texto simples de arquivos PDF. Ela funciona como um wrapper PHP em torno da ferramenta de linha de comando pdftotext, parte da suíte Poppler. Isso significa que não depende de bibliotecas PHP para analisar o PDF, mas sim aproveita uma ferramenta binária madura e testada, que funciona rapidamente e com alta precisão. Embora a biblioteca seja escrita em PHP, ela funciona perfeitamente em diferentes sistemas operacionais (Linux, macOS e Windows), desde que o binário pdftotext esteja disponível. É leve e não inclui bibliotecas de terceiros desnecessárias, o que a torna mais rápida, mais fácil de manter e menos propensa a falhas devido a atualizações em dependências não relacionadas.

Previous Next

Começando com PDF-to-Text

Para executar o PDF-to-Text, primeiro você precisa instalar a versão 5.3 ou superior do PHP. A maneira mais fácil de instalar o PDF-to-Text é via Composer. Por favor, use o comando a seguir para uma instalação tranquila.

Instalar PDF-to-Text via composer

composer require spatie/pdf-to-text

Instalar PDF-to-Text via comando Git

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

Extrair texto de arquivo PDF usando API PHP

A biblioteca de código aberto Spatie PDF-to-Text é minimalista por design, focada em fazer um único trabalho — extrair texto de PDFs — e fazê-lo bem. Sua simplicidade a torna uma escolha excelente para soluções de software personalizadas, como scanners de faturas, ferramentas de pesquisa acadêmica, processadores de documentos legais ou sistemas de migração de conteúdo. O exemplo a seguir demonstra como os desenvolvedores podem simplesmente definir o caminho do arquivo PDF e já estão prontos para extrair todo o seu conteúdo textual. Eles também podem personalizar o caminho para o binário, se necessário.

Como extrair texto de arquivo PDF usando API PHP?

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

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

Extrair parte específica do PDF via PHP

A biblioteca permite que você aproveite o poder da ferramenta de linha de comando pdftotext, oferecendo suporte às suas várias opções. Isso significa que você pode personalizar o processo de extração de texto para atender às suas necessidades específicas. Por exemplo, pode usar opções para manter o layout do PDF original, especificar um intervalo de páginas específico ou definir a resolução da saída. O exemplo simples a seguir mostra como os desenvolvedores primeiro definem as opções layout e r e, em seguida, adicionam a opção f para especificar a primeira página do PDF.

Como definir várias opções para extrair texto de PDF via API PHP?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Português