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

API PHP gratuit pentru a converti PDF sau o parte specifică în text

Bibliotecă PHP open source care permite dezvoltatorilor de software să extragă text din PDF-uri sau o pagină specifică a unui fișier PDF în cadrul aplicațiilor PHP.

Ce este PDF-to-Text?

PDF-urile sunt un format standard pentru documente digitale în toate industriile—de la finanțe și sănătate la educație și juridic. Totuși, extragerea conținutului text semnificativ din PDF-uri poate fi o provocare pentru dezvoltatorii de software. Din fericire, biblioteca PDF-to-Text a Spatie face această sarcină simplă și eficientă pentru dezvoltatorii PHP. Acest instrument open source oferă un wrapper curat și ușor în jurul binarului puternic pdftotext din pachetul poppler-utils. Biblioteca are o interfață intuitivă care permite dezvoltatorilor să extragă text cu doar câteva linii de cod. Suportă documente cu mai multe pagini, PDF-uri cu coloane, fonturi și imagini încorporate, PDF-uri preprocesate (dacă OCR a fost aplicat în prealabil) și multe altele.

Spatie PDF-to-Text este o bibliotecă PHP open source care permite dezvoltatorilor de software să extragă text simplu din fișiere PDF. Acționează ca un wrapper PHP în jurul utilitarului de linie de comandă pdftotext, parte a suitei Poppler. Aceasta înseamnă că nu se bazează pe biblioteci PHP pentru parsarea PDF-ului, ci folosește un instrument binar matur, testat în luptă, care funcționează rapid și cu acuratețe ridicată. Deși biblioteca este scrisă în PHP, funcționează fără probleme pe diferite sisteme de operare (Linux, macOS și Windows) atâta timp cât binarul pdftotext este disponibil. Este ușoară și nu încarcă biblioteci terțe inutile. Acest lucru o face mai rapidă, mai ușor de întreținut și mai puțin predispusă la defecte cauzate de actualizări ale dependențelor nelegate.

Previous Next

Începerea cu PDF-to-Text

Pentru a rula PDF-to-Text, mai întâi trebuie să instalați PHP versiunea 5.3 sau superioară. Cel mai simplu mod de a instala PDF-to-Text este prin Composer. Vă rugăm să folosiți comanda următoare pentru o instalare fără probleme.

Instalați PDF-to-Text prin Composer

composer require spatie/pdf-to-text

Instalați PDF-to-Text prin comandă Git

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

Extrageți text din fișier PDF utilizând API PHP

Biblioteca open source Spatie PDF-to-Text este minimală prin design, concentrându-se pe o singură sarcină — extragerea textului din PDF-uri — și o face bine. Simplitatea ei o face o alegere excelentă pentru soluții software personalizate, cum ar fi scanere de facturi, instrumente de cercetare academică, procesoare de documente juridice sau sisteme de migrare a conținutului. Exemplul următor demonstrează cum dezvoltatorii pot pur și simplu să seteze calea fișierului PDF și sunt gata să extragă tot conținutul său text. De asemenea, pot personaliza calea către binarul, dacă este necesar.

Cum să extrageți text din fișier PDF utilizând 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();

Extrageți o parte specifică a PDF-ului prin PHP

Biblioteca vă permite să valorificați puterea instrumentului de linie de comandă pdftotext, oferind suport pentru diferitele sale opțiuni. Aceasta înseamnă că puteți personaliza procesul de extragere a textului pentru a se potrivi nevoilor dumneavoastră specifice. De exemplu, puteți folosi opțiuni pentru a menține aspectul PDF-ului original, pentru a specifica un anumit interval de pagini sau pentru a seta rezoluția ieșirii. Exemplul simplu de mai jos arată cum dezvoltatorii setează mai întâi opțiunile layout și r, apoi adaugă opțiunea f pentru a specifica prima pagină a PDF-ului.

Cum să setați diverse opțiuni pentru extragerea textului PDF prin API PHP?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Română