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

Безкоштовний PHP API для конвертації PDF або конкретної частини у текст

Відкрита PHP бібліотека, яка дозволяє розробникам програмного забезпечення витягувати текст з PDF або конкретної сторінки PDF-файлу у PHP-додатках.

Що таке PDF-to-Text?

PDF — це стандартний формат цифрових документів у всіх галузях — від фінансів і охорони здоров’я до освіти та юридичної сфери. Однак витягнення змістовного тексту з PDF може бути складним завданням для розробників програмного забезпечення. На щастя, бібліотека Spatie PDF-to-Text робить це завдання простим і ефективним для PHP‑розробників. Цей інструмент з відкритим кодом надає чисту та легку обгортку навколо потужного бінарного файлу pdftotext з пакету poppler-utils. Бібліотека має інтуїтивний інтерфейс, який дозволяє розробникам витягувати текст всього кількома рядками коду. Вона підтримує багатосторінкові документи, PDF з колонками, вбудовані шрифти та зображення, готові PDF (якщо OCR вже застосовано) та багато іншого.

Spatie PDF-to-Text — це бібліотека з відкритим кодом для PHP, яка дозволяє розробникам програмного забезпечення витягувати простий текст з PDF‑файлів. Вона працює як обгортка PHP навколо утиліти командного рядка pdftotext, що входить до складу набору Poppler. Це означає, що вона не покладається на PHP‑бібліотеки для парсингу PDF, а використовує зрілий, випробуваний у бою бінарний інструмент, який працює швидко і з високою точністю. Хоча бібліотека написана на PHP, вона безперешкодно працює на різних операційних системах (Linux, macOS та Windows), за умови, що бінарник pdftotext доступний. Вона легка і не підтягує зайві сторонні бібліотеки. Це робить її швидшою, простішою у підтримці та менш схильною до поломок через оновлення несуміжних залежностей.

Початок роботи з PDF-to-Text

Щоб запустити PDF-to-Text, спочатку потрібно встановити PHP версії 5.3 або вище. Найпростіший спосіб встановити PDF-to-Text — через Composer. Будь ласка, використайте наступну команду для безпроблемної інсталяції.

Встановити PDF-to-Text за допомогою Composer

composer require spatie/pdf-to-text

Встановити PDF-to-Text за допомогою Git-команди

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

Витягнути текст з PDF-файлу за допомогою PHP API

Відкритий бібліотека Spatie PDF-to-Text мінімалістична за дизайном, зосереджена на виконанні однієї задачі — витягуванні тексту з PDF‑файлів — і робить це добре. Її простота робить її відмінним вибором для кастомних програмних рішень, таких як сканери рахунків, інструменти академічних досліджень, процесори юридичних документів або системи міграції контенту. Наведений нижче приклад демонструє, як розробники можуть просто вказати шлях до PDF‑файлу і одразу готові витягнути весь його текстовий вміст. За потреби вони також можуть налаштувати шлях до бінарного файлу.

Як витягнути текст з PDF-файлу за допомогою 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();

Витягнути конкретну частину PDF за допомогою PHP

Бібліотека дозволяє скористатися потужністю інструменту командного рядка pdftotext, надаючи підтримку його різноманітних параметрів. Це означає, що ви можете налаштувати процес витягування тексту відповідно до ваших конкретних потреб. Наприклад, можна використати параметри для збереження розмітки оригінального PDF, вказати певний діапазон сторінок або встановити роздільну здатність вихідних даних. Наведений нижче простий приклад показує, як розробники спочатку встановлюють параметри layout і r, а потім додають параметр f для вказання першої сторінки PDF.

Як налаштувати різні параметри для витягування тексту PDF за допомогою PHP API?

use Spatie\PdfToText\Pdf;

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

echo $text;