API PHP miễn phí để Trích xuất Văn bản & Siêu dữ liệu từ PDF và Hình ảnh

Trong lĩnh vực phát triển phần mềm, việc xử lý văn bản từ các loại tệp khác nhau có thể khá khó khăn nhưng lại là một nhiệm vụ thường xuyên. Dù bạn đang tạo một hệ thống quản lý tài liệu, một công cụ phân tích nội dung, hay một công cụ tìm kiếm, khả năng trích xuất văn bản từ PDF, tài liệu Word, bảng tính và các định dạng tệp khác là vô cùng quan trọng. Đó là lúc thư viện PHP-Apache-Tika trở nên hữu ích. Apache Tika là một bộ công cụ linh hoạt được thiết kế để thực hiện các công việc phân tích nội dung. Bạn có thể dùng Tika để lấy siêu dữ liệu và văn bản từ nhiều loại tệp như PDF, các tệp Microsoft Office và hình ảnh. Tika ban đầu được viết bằng Java và thường được triển khai dưới dạng một máy chủ riêng, cho phép truy cập qua HTTP. Cách tiếp cận này cho phép các ngôn ngữ lập trình khác nhau, chẳng hạn như PHP, tận dụng các khả năng mạnh mẽ của Tika mà không cần phải tự xây dựng các quy trình phân tích phức tạp từ đầu.

Thư viện hỗ trợ rất nhiều tính năng như trích xuất văn bản và HTML, trích xuất siêu dữ liệu, cải thiện xử lý lỗi, nhận dạng OCR, chuẩn hoá siêu dữ liệu cho tài liệu, hỗ trợ tài nguyên cục bộ và từ xa, và nhiều hơn nữa. Thư viện PHP-Apache-Tika kết nối các ứng dụng PHP với máy chủ Apache Tika. Thay vì tự xây dựng các bộ phân tích hoặc chuyển đổi, bạn có thể dùng thư viện này để gửi tài liệu tới máy chủ Tika và nhận lại văn bản hoặc siêu dữ liệu đã được trích xuất sạch sẽ. Điều này không chỉ đơn giản hoá quá trình phát triển mà còn đảm bảo ứng dụng của bạn luôn được hưởng lợi từ các cải tiến liên tục và hỗ trợ đa dạng định dạng của Tika. Dù bạn đang phát triển một hệ thống quản lý tài liệu phức tạp hay một công cụ phân tích nội dung nhẹ, thư viện PHP-Apache-Tika cung cấp một giải pháp đáng tin cậy và linh hoạt.

• Tổng quan nhanh
• Độc lập nền tảng
• Định dạng tệp được hỗ trợ

composer require vaites/php-apache-tika

git clone https://github.com/fizzday/OcrPHP.git 

require_once 'vendor/autoload.php';

use Vaites\ApacheTika\TikaClient;

// Khởi tạo client Tika với URL máy chủ Tika
$client = new TikaClient('http://localhost:9998');

// Xác định đường dẫn tới tài liệu (ví dụ: PDF, DOCX, v.v.)
$filePath = '/path/to/your/document.pdf';

try {
    // Trích xuất nội dung văn bản từ tài liệu
    $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;

// Khởi tạo client Tika
$client = new TikaClient('http://localhost:9998');

// Xác định đường dẫn tới tài liệu
$filePath = '/path/to/your/document.pdf';

try {
    // Trích xuất siêu dữ liệu từ tài liệu
    $metadata = $client->getMetadata($filePath);
    echo "Extracted Metadata:\n";
    print_r($metadata);
} catch (\Exception $e) {
    echo "Error extracting metadata: " . $e->getMessage();
}