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

Бесплатный PHP API для конвертации PDF или его части в текст

Открытая PHP‑библиотека, позволяющая разработчикам извлекать текст из PDF или конкретной страницы PDF‑файла внутри PHP‑приложений.

Что такое PDF-to-Text?

PDF — это стандартный формат цифровых документов во всех отраслях — от финансов и здравоохранения до образования и юриспруденции. Однако извлечение значимого текстового содержимого из PDF может стать проблемой для разработчиков программного обеспечения. К счастью, библиотека PDF-to-Text от Spatie упрощает эту задачу и делает её эффективной для PHP‑разработчиков. Этот инструмент с открытым исходным кодом предоставляет чистую и легковесную оболочку вокруг мощного бинарного файла pdftotext из пакета poppler-utils. Библиотека имеет интуитивно понятный интерфейс, позволяющий разработчикам извлекать текст всего в несколько строк кода. Она поддерживает многостраничные документы, PDF с колонками, встроенные шрифты и изображения, готовые PDF (если OCR уже применён) и многое другое.

Spatie PDF-to-Text — это открытая PHP‑библиотека, позволяющая разработчикам программного обеспечения извлекать простой текст из PDF‑файлов. Она выступает в качестве PHP‑обёртки вокруг утилиты командной строки pdftotext, входящей в состав набора Poppler. Это означает, что она не полагается на PHP‑библиотеки для парсинга PDF, а использует зрелый, проверенный временем бинарный инструмент, который работает быстро и с высокой точностью. Хотя библиотека написана на PHP, она беспрепятственно работает на разных операционных системах (Linux, macOS и Windows), при условии наличия бинарного файла pdftotext. Она лёгкая и не тянет за собой лишние сторонние библиотеки. Это делает её быстрее, проще в обслуживании и менее подверженной поломкам из‑за обновлений несвязанных зависимостей.

Начало работы с PDF-to-Text

Чтобы запустить PDF-to-Text, сначала необходимо установить PHP версии 5.3 или выше. Самый простой способ установить PDF-to-Text — через Composer. Пожалуйста, используйте следующую команду для беспроблемной установки.

Установить PDF-to-Text через composer

composer require spatie/pdf-to-text

Установить PDF-to-Text с помощью Git

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

Извлечение текста из PDF-файла с помощью PHP API

Открытая библиотека Spatie PDF-to-Text минимальна по дизайну, сосредоточена на выполнении одной задачи — извлечении текста из PDF — и делает это хорошо. Ее простота делает её отличным выбором для пользовательских программных решений, таких как сканеры счетов, инструменты академических исследований, процессоры юридических документов или системы миграции контента. Следующий пример демонстрирует, как разработчики могут просто указать путь к PDF‑файлу и сразу же извлечь весь его текстовый контент. При необходимости они также могут настроить путь к бинарному файлу.

Как извлечь текст из PDF-файла с помощью PHP API?

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

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

Извлечение определённой части PDF с помощью PHP

Библиотека позволяет использовать мощность командного инструмента pdftotext, предоставляя поддержку его различных опций. Это означает, что вы можете настроить процесс извлечения текста в соответствии с вашими конкретными потребностями. Например, можно использовать опции для сохранения макета оригинального PDF, указать определённый диапазон страниц или задать разрешение вывода. Следующий простой пример показывает, как разработчики сначала задают опции layout и r, а затем добавляют опцию f для указания первой страницы PDF.

Как задать различные параметры для извлечения текста из PDF через PHP API?

use Spatie\PdfToText\Pdf;

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

echo $text;