php借助Xpdf读取PDF中的内容

WBOY
Freigeben: 2016-07-25 09:03:48
Original
2004 Leute haben es durchsucht
  1. [root@localhost ~]# mkdir -p /lcf/upan
  2. [root@localhost ~]# mkdir -p /lcf/cdrom
  3. [root@localhost ~]# mkdir -p /lcf/xpdf
  4. [root@localhost ~]# cd /lcf/upan/
  5. [root@localhost upan]# cp xpdf/* ../xpdf/ (下载的文件放入/lcf/xpdf目录)
  6. [root@localhost upan]# cd ../xpdf/
  7. [root@localhost xpdf]# tar -zxvf xpdfbin-linux-3.03.tar.gz
  8. [root@localhost xpdf]# cd xpdfbin-linux-3.03
  9. [root@localhost xpdfbin-linux-3.03]# cat INSTALL
  10. [root@localhost xpdfbin-linux-3.03]# cd bin32/
  11. [root@localhost bin32]# cp ./* /usr/local/bin/
  12. [root@localhost bin32]# cd ../doc/
  13. [root@localhost doc]# mkdir -p /usr/local/man/man1
  14. [root@localhost doc]# mkdir -p /usr/local/man/man5
  15. [root@localhost doc]# cp *.1 /usr/local/man/man1
  16. [root@localhost doc]# cp *.5 /usr/local/man/man5
复制代码

如果不需要读取中文的话,到这里就可以结束了,如果需要,那我们继续往后

  1. [root@localhost doc]# cp sample-xpdfrc /usr/local/etc/xpdfrc
  2. [root@localhost xpdf]# cd /lcf/xpdf
  3. [root@localhost xpdf]# tar -zxvf xpdf-chinese-simplified.tar.gz
  4. [root@localhost xpdf]# cd xpdf-chinese-simplified
  5. [root@localhost xpdf]# mkdir -p/usr/local/share/xpdf/chinese-simplified
  6. [root@localhost xpdf]# cd xpdf-chinese-simplified/
  7. [root@localhost xpdf-chinese-simplified]# cp Adobe-GB1.cidToUnicode ISO-2022-CN.unicodeMap EUC-CN.unicodeMap GBK.unicodeMap CMAP /usr/local/share/xpdf/chinese-simplified/
复制代码

把chinese-simplified里面文件add-to-xpdfrc 的内容复制到/usr/local/etc/xpdfrc文件中。记得里面的路径要正确。(注意,这里面的简体中文包包括以下三种格式:ISO-2022-CN,EUC-CN,GBK ,看清楚哦,不支持UTF-8,可以先转为GBK,然后进行转义)

三、功能实现 至此,所有的配置完毕,我们要开始使用它了。 如果是简单的PDF读取,那么直接用下面的语句就OK了。 $content = shell_exec('/usr/local/bin/pdftotext '.$filename.' -'); 如果需要转中文,如此这般,加上参数。 $content = shell_exec('/usr/local/bin/pdftotext -layout -enc GBK '.$filename.' -'); 当然,加了参数之后依然是不影响英文的转换的,所以,放心使用吧。需要注意的是,这里转出来的是GBK编码的哦,现在网站很多用的是UTF-8,想要不显示乱码的话,需要再次转义一下哦。 $content = mb_convert_encoding($content, 'UTF-8','GBK'); 读取出来的内容,可以再写代码自行处理。 pdftotext的主要参数: OPTIONS Many of the following options can be set with configuration file com- mands. These are listed in square brackets with the description of the corresponding command line option. -f number Specifies the first page to convert. -l number Specifies the last page to convert. -layout Maintain (as best as possible) the original physical layout of the text. The default is to 'undo' physical layout (columns, hyphenation, etc.) and output the text in reading order. -fixed number Assume fixed-pitch (or tabular) text, with the specified charac- ter width (in points). This forces physical layout mode. -raw Keep the text in content stream order. This is a hack which often "undoes" column formatting, etc. Use of raw mode is no longer recommended. -htmlmeta Generate a simple HTML file, including the meta information. This simply wraps the text in

 and 
Nach dem Login kopieren
and prepends the meta headers. -enc encoding-name


Verwandte Etiketten:
Quelle:php.cn
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage
Über uns Haftungsausschluss Sitemap
Chinesische PHP-Website:Online-PHP-Schulung für das Gemeinwohl,Helfen Sie PHP-Lernenden, sich schnell weiterzuentwickeln!