Conversión de PDF a la cadena

Question

¿Cómo se lee el archivo PDF y se pone el contenido en la cadena? Usando lenguaje PHP.

Answer 1

Usted puede encontrar útil este tutorial: http://www.webcheatsheet.com/php/reading_clean_text_from_pdf.php

Answer 2

Se podría utilizar algo como pdftotext que viene con el paquete Xpdf en Linux. El comando popen continuación, se puede utilizar para canalizar la salida de pdftotext en una cadena:

$mystring = ""; 
$fd = popen("/usr/bin/pdftotext blah.pdf","r"); 
if ($fd) { 
    while (($myline = fgets($fd)) !== false) { 
     $mystring .= $myline; 
    } 
} 

Answer 3

encontrado esta clase muy agradable! Además, puede agregar funcionalidad para satisfacer sus necesidades.

• PDF2Text - Pastebin

Probablemente estos le ayudarán a agregar funciones:

• http://www.adobe.com/devnet/pdf/pdf_reference.html

• http://www.adobe.com/content/dam/Adobe/en/devnet/acrobat/pdfs/PDF32000_2008.pdf

Si no funciona, compruebe si puede resaltar/marcar su texto al abrir en Adobe Reader (si no puede, el texto de su archivo probablemente se guarda como curvas geométricas), verifique también la codificación.

Answer 4

Instale APACHE-TIKA en su servidor. APACHE-TIKA admite más archivos pdf. Guía de instalación: http://www.acquia.com/blog/use-apache-solr-search-files

y último código es fácil:

$string = ""; 
$fd = popen("java -jar yourpathtotika/tika-app-1.3.jar -t yourpathtopdf/sample.pdf","r"); 
while (!feof($fd)) { 
$buffer = fgets($fd, 4096); 
$string .= $buffer; 
} 
echo $string; 

Answer 5

Usted puede utilizar la clase PHP que está disponible aquí:

http://www.pdftotext.eu

Se trata de un texto de un PDF de dominio público extractor completamente escrito en PHP puro, lo que significa que no necesita depender de comandos externos. Proporciona una interfaz sencilla para recuperar el texto:

include ('PdfToText.phpclass') ; 
$pdf = new PdfToText ('mysample.pdf') ; 
echo "PDF contents are : " . $pdf -> Text . "\n" ;