PDF ve Görsellerden Metin ve Meta Verileri Çıkaran Ücretsiz PHP API

Yazılım geliştirme alanında, farklı dosya türlerinden metinle başa çıkmak zor olabilir ancak sıkça karşılaşılan bir görevdir. Belgeleri yönetmek, içerik analiz etmek ya da bir arama motoru oluşturmak isterken, PDF'ler, Word belgeleri, elektronik tablolar ve diğer dosya formatlarından metin çıkarabilmek kritik öneme sahiptir. İşte bu noktada PHP-Apache-Tika kütüphanesi devreye girer. Apache Tika, içerik analiz işlerini yönetmek için tasarlanmış esnek bir araç takımıdır. Tika’yı kullanarak PDF'ler, Microsoft Office dosyaları ve görseller gibi çeşitli dosya türlerinden meta veri ve metin çıkarabilirsiniz. Tika başlangıçta Java ile kodlanmıştır. Genellikle kendi sunucusu olarak kurulur ve HTTP üzerinden erişilebilir. Bu yöntem, PHP gibi farklı programlama dillerinin, karmaşık ayrıştırma süreçlerini sıfırdan geliştirmeye gerek kalmadan Tika’nın güçlü yeteneklerinden faydalanmasını sağlar.

Kütüphane, metin ve HTML çıkarımı, meta veri çıkarımı, geliştirilmiş hata yönetimi, OCR tanıma, belgeler için standartlaştırılmış meta veri, yerel ve uzak kaynak desteği ve daha birçok özelliği destekler. PHP-Apache-Tika, PHP uygulamaları ile Apache Tika sunucusunu birleştirir. Kendi ayrıştırıcılarınızı ya da dönüştürücülerinizi oluşturmak yerine, bu kütüphane sayesinde belgeleri Tika sunucusuna gönderip temiz, çıkarılmış metin ya da meta veriyi geri alabilirsiniz. Bu, geliştirme sürecini basitleştirmenin yanı sıra, uygulamanızın Tika’nın sürekli güncellenen iyileştirmelerinden ve geniş format desteğinden yararlanmasını sağlar. Karmaşık bir belge yönetim sistemi ya da hafif bir içerik analiz aracı geliştiriyor olsanız da, PHP-Apache-Tika güvenilir ve esnek bir çözüm sunar.

• Genel Bakış
• Platform Bağımsızlığı
• Desteklenen Dosya Formatları

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();
}