如何从PDF文档中提取文本？

如何使用PHP从PDF文档中提取文本？如何从PDF文档中提取文本？

（我不能使用其他工具，我没有root访问权限）

我发现了一些功能，纯文本的工作量，但他们没有处理好Unicode字符：

http://www.hashbangcode.com/blog/zend-lucene-and-pdf-documents-part-2-pdf-data-extraction-437.html

来源

2011-08-09 Sfisioza

你解决了这个？ – 2012-08-23 05:35:00

链接不起作用！请纠正！ – cwiggo

+12

不明白为什么这个问题被认为是题外话，因为它是非常有用的，即使它可能会吸引“自以为是”的答案，但最好能看到不同的观点。也有很多点击。 – user3574492

下载class.pdf2text.php @https://pastebin.com/dvwySU1a（更新2014年4月的5）或http://www.phpclasses.org/browse/file/31030.html（需要注册）

代码：

include('class.pdf2text.php'); 
$a = new PDF2Text(); 
$a->setFilename('filename.pdf'); 
$a->decodePDF(); 
echo $a->output();

类并不适用于所有PDF格式的我测试过的工作，试试看，你可能会得到幸运:)

如果上述方法无效，请尝试http://pdfparser.org/

来源

2011-08-09 18:53:25

如果这里是pdf文件中的任何表格，那么它不会显示它。我想提取，因为它是以PDF格式显示PDF格式的文本。任何解决方案？ – 2012-08-23 05:36:28

非常感谢...这个班级非常有用。在这个我只需要一个来自pdf的网址。任何方式来找到...？ –

该类包含可能导致'头已发送'错误的输出缓冲区刷新。如果您禁用它（对于任何合理大小的文档），看似没有任何不良影响。 –

我知道这个话题是相当古老的，但这种需求仍然活着。我看了很多文件，论坛和脚本，并建立一个新的先进的一个，它支持压缩和非压缩的PDF：

https://gist.github.com/smalot/6183152

希望它可以帮助EVERONE

来源

2013-08-08 09:39:37

似乎没有得到您的脚本输出。你有可以测试的PDF吗？ –

这对我有用！谢谢 – kakoma

我在这里找到了一个好的：https://github.com/christian-vigh-phpclasses/PdfToText – dlofrodloh

如何从PDF文档中提取文本？

回答

相关问题