API PHP ฟรีสำหรับสกัดข้อความและเมตาดาต้าจาก PDF และรูปภาพ

ในสาขาการพัฒนาซอฟต์แวร์ การจัดการข้อความจากไฟล์ประเภทต่างๆ อาจเป็นเรื่องท้าทายแต่เป็นงานที่ทำบ่อย ไม่ว่าคุณจะสร้างระบบจัดการเอกสาร เครื่องมือวิเคราะห์เนื้อหา หรือเครื่องมือค้นหา การสามารถสกัดข้อความจาก PDF, เอกสาร Word, สเปรดชีต และไฟล์รูปแบบอื่นๆ ถือเป็นสิ่งสำคัญ นี่คือจุดที่ไลบรารี PHP-Apache-Tika มีคุณค่า Apache Tika เป็นชุดเครื่องมือที่ยืดหยุ่นออกแบบมาสำหรับจัดการงานวิเคราะห์เนื้อหา คุณสามารถใช้ Tika เพื่อดึงเมตาดาต้าและข้อความจากไฟล์ประเภทต่างๆ เช่น PDF, ไฟล์ Microsoft Office, และรูปภาพ Tika เริ่มต้นเขียนด้วยภาษา Java และมักจะทำงานเป็นเซิร์ฟเวอร์ของตนเอง ทำให้เข้าถึงได้ผ่าน HTTP วิธีนี้ทำให้ภาษาการเขียนโปรแกรมต่างๆ เช่น PHP สามารถใช้ความสามารถของ Tika ได้โดยไม่ต้องสร้างกระบวนการพาร์เซอร์ที่ซับซ้อนตั้งแต่ต้น

ไลบรารีนี้รองรับคุณลักษณะหลายอย่าง เช่น การสกัดข้อความและ HTML, การสกัดเมตาดาต้า, การจัดการข้อผิดพลาดที่ดีขึ้น, การจดจำ OCR, เมตาดาต้ามาตรฐานสำหรับเอกสาร, การสนับสนุนทรัพยากรภายในและภายนอก, และอื่นๆ อีกมากมาย ไลบรารี PHP-Apache-Tika ทำหน้าที่เชื่อม PHP แอปพลิเคชันกับเซิร์ฟเวอร์ Apache Tika แทนการสร้างพาร์เซอร์หรือคอนเวอร์เตอร์ของคุณเอง คุณสามารถใช้ไลบรารีนี้ส่งเอกสารไปยังเซิร์ฟเวอร์ Tika และรับข้อความหรือเมตาดาต้าที่สกัดอย่างสะอาดกลับมา สิ่งนี้ไม่เพียงทำให้กระบวนการพัฒนาง่ายขึ้น แต่ยังทำให้แอปของคุณได้รับประโยชน์จากการปรับปรุงอย่างต่อเนื่องของ Tika และการสนับสนุนรูปแบบไฟล์ที่กว้างขวาง ไม่ว่าคุณจะพัฒนาระบบจัดการเอกสารที่ซับซ้อนหรือเครื่องมือวิเคราะห์เนื้อหาที่เบา ไลบรารี PHP-Apache-Tika ให้โซลูชันที่เชื่อถือได้และยืดหยุ่น

• ภาพรวมโดยสังเขป
• ความเป็นอิสระของแพลตฟอร์ม
• รูปแบบไฟล์ที่รองรับ

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();
}