如何利用PHP和阿里雲OCR快速擷取PDF檔案中的文字？-php教程-PHP中文網

首頁

後端開發

php教程

如何利用PHP和阿里雲OCR快速擷取PDF檔案中的文字？

王林

Jul 19, 2023 pm 05:12 PM

php ocr pdf提取

如何利用PHP和阿里雲OCR快速擷取PDF檔案中的文字？

導言：
隨著數位時代的來臨，越來越多的文件以PDF格式儲存。在某些場景下，我們需要從PDF文件中提取文字進行進一步的處理和分析，例如自動化文件處理、資訊提取等。本文將介紹如何使用PHP和阿里雲OCR服務快速擷取PDF檔案中的文字。

步驟一：設定阿里雲OCR服務
首先，我們需要在阿里雲上註冊並開通OCR服務。獲得Access Key ID和Access Key Secret，並建立一個OCR應用，在該應用程式下產生一個金鑰。這些資訊將在後續的代碼中使用。

步驟二：安裝和設定PHP-SDK
阿里雲提供了PHP版本的SDK，我們可以使用composer快速安裝並設定SDK。在終端機中執行以下命令：

composer require alibabacloud/ocr-sdk-php

登入後複製

安裝完成後，在專案中新增如下程式碼，引入SDK，並配置Access Key ID和Access Key Secret：

<?php
use AlibabaCloudClientAlibabaCloud;
use AlibabaCloudClientExceptionClientException;
use AlibabaCloudClientExceptionServerException;

AlibabaCloud::accessKeyClient('your-access-key-id', 'your-access-key-secret')
            ->regionId('cn-shanghai')
            ->asDefaultClient();
?>

登入後複製

將上述程式碼中" your-access-key-id"和"your-access-key-secret"替換為您的實際訊息。

步驟三：使用OCR服務提取PDF文字
在PHP腳本中，我們可以使用阿里雲OCR提供的"ocr_document_recognize"介面來識別PDF文件，並取得其中的文字。

以下是範例程式碼：

try {
    $result = AlibabaCloud::rpc()
              ->product('ocr')
              ->scheme('https')
              ->version('2019-12-30')
              ->action('ocr_document_recognize')
              ->method('POST')
              ->host('ocr.cn-shanghai.aliyuncs.com')
              ->options([
                'query' => [
                  'RegionId' => 'cn-shanghai',
                  'AccessKeyId' => 'your-access-key-id',
                  'AccessKeySecret' => 'your-access-key-secret',
                ],
              ])
              ->request();
    
    // 解析返回结果
    $text = '';
    foreach ($result['Data']['Regions'] as $region) {
        foreach ($region['Lines'] as $line) {
            $text .= $line['Text'] . "
";
        }
    }
    
    // 打印提取的文字
    echo $text;

} catch (ClientException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
} catch (ServerException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
}

登入後複製

將上述程式碼中"your-access-key-id"和"your-access-key-secret"替換為您的實際資訊。

透過以上步驟，我們就可以使用PHP和阿里雲OCR服務快速擷取PDF檔案中的文字了。您可以根據實際需求，對提取的文字進行進一步的處理和分析。

總結：
本文介紹如何使用PHP和阿里雲OCR服務快速擷取PDF檔案中的文字。透過配置阿里雲OCR服務和安裝PHP-SDK，我們可以使用阿里雲OCR提供的介面來識別PDF文件，並提取其中的文字資訊。透過這種方式，我們可以方便地進行自動化文件處理和資訊擷取等操作，提高工作效率。

以上是如何利用PHP和阿里雲OCR快速擷取PDF檔案中的文字？的詳細內容。更多資訊請關注PHP中文網其他相關文章！

本網站聲明

本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn