1. Các sản phẩm
  2.   PDF
  3.   PHP
  4.   PDF-to-Text
 
  

API PHP miễn phí để Chuyển đổi PDF hoặc Phần cụ thể sang Văn bản

Thư viện PHP mã nguồn mở cho phép các nhà phát triển phần mềm Trích xuất Văn bản từ PDF hoặc Trang cụ thể của tệp PDF trong các Ứng dụng PHP.

PDF-to-Text là gì?

PDF là định dạng tiêu chuẩn cho tài liệu kỹ thuật số trên mọi ngành công nghiệp—từ tài chính và chăm sóc sức khỏe đến giáo dục và pháp lý. Tuy nhiên, việc trích xuất nội dung văn bản có ý nghĩa từ PDF có thể là một thách thức đối với các nhà phát triển phần mềm. May mắn là thư viện PDF-to-Text của Spatie làm cho nhiệm vụ này trở nên đơn giản và hiệu quả cho các nhà phát triển PHP. Công cụ mã nguồn mở này cung cấp một lớp bao bọc sạch sẽ và nhẹ nhàng quanh binary pdftotext mạnh mẽ từ gói poppler-utils. Thư viện có giao diện trực quan cho phép các nhà phát triển trích xuất văn bản chỉ với vài dòng mã. Nó hỗ trợ tài liệu đa trang, PDF có cột, phông chữ và hình ảnh nhúng, PDF đã được xử lý sẵn (nếu OCR đã được áp dụng) và nhiều hơn nữa.

Spatie PDF-to-Text là một thư viện PHP mã nguồn mở cho phép các nhà phát triển phần mềm trích xuất văn bản thuần từ các tệp PDF. Nó hoạt động như một lớp bao PHP quanh tiện ích dòng lệnh pdftotext, một phần của bộ Poppler. Điều này có nghĩa là nó không phụ thuộc vào các thư viện PHP để phân tích PDF mà thay vào đó tận dụng một công cụ nhị phân đã được kiểm chứng, ổn định và nhanh chóng với độ chính xác cao. Mặc dù thư viện được viết bằng PHP, nó hoạt động liền mạch trên các hệ điều hành khác nhau (Linux, macOS và Windows) miễn là nhị phân pdftotext có sẵn. Nó nhẹ và không kéo vào bất kỳ thư viện bên thứ ba không cần thiết nào. Điều này làm cho nó nhanh hơn, dễ bảo trì hơn và ít có khả năng bị hỏng do các cập nhật của các phụ thuộc không liên quan.

Previous Next

Bắt đầu với PDF-to-Text

Để chạy PDF-to-Text, trước tiên bạn cần cài đặt PHP phiên bản 5.3 trở lên. Cách dễ nhất để cài đặt PDF-to-Text là thông qua Composer. Vui lòng sử dụng lệnh sau để cài đặt một cách suôn sẻ.

Cài đặt PDF-to-Text qua Composer

composer require spatie/pdf-to-text

Cài đặt PDF-to-Text qua lệnh Git

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

Trích xuất văn bản từ tệp PDF bằng API PHP

Thư viện mã nguồn mở Spatie PDF-to-Text được thiết kế tối giản, tập trung vào một nhiệm vụ duy nhất — trích xuất văn bản từ PDF — và thực hiện tốt. Sự đơn giản của nó khiến nó phù hợp tuyệt vời cho các giải pháp phần mềm tùy chỉnh như máy quét hoá đơn, công cụ nghiên cứu học thuật, bộ xử lý tài liệu pháp lý, hoặc hệ thống di chuyển nội dung. Ví dụ dưới đây minh họa cách các nhà phát triển phần mềm chỉ cần đặt đường dẫn tới tệp PDF, và họ đã sẵn sàng trích xuất toàn bộ nội dung văn bản của nó. Họ cũng có thể tùy chỉnh đường dẫn tới binary nếu cần.

Cách trích xuất văn bản từ tệp PDF bằng API PHP?

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

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

Trích xuất phần cụ thể của PDF bằng PHP

Thư viện cho phép bạn tận dụng sức mạnh của công cụ dòng lệnh pdftotext bằng cách hỗ trợ các tùy chọn khác nhau của nó. Điều này có nghĩa là bạn có thể tùy chỉnh quá trình trích xuất văn bản để phù hợp với nhu cầu cụ thể của mình. Ví dụ, bạn có thể sử dụng các tùy chọn để giữ nguyên bố cục của PDF gốc, chỉ định một phạm vi trang cụ thể, hoặc đặt độ phân giải của đầu ra. Ví dụ đơn giản dưới đây cho thấy cách các nhà phát triển phần mềm đầu tiên thiết lập các tùy chọn layout và r, sau đó thêm tùy chọn f để chỉ định trang đầu tiên của PDF.

Cách thiết lập các tùy chọn khác nhau để trích xuất văn bản PDF qua API PHP?

use Spatie\PdfToText\Pdf;

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

echo $text;
 Tiếng Việt