是否有PHP的解析器？

Question

嗨，我知道几个PDF 发电机为PHP（fpdf，dompdf等） 我想知道的是关于一个解析器。

由于我无法控制的原因，我需要的某些信息仅在pdf 中的表中，我需要提取该表并将其转换为数组。

有什么建议吗？

Answer 1

看看GhostScript或ITextSharp，这里有各种各样的跨平台版本。

Answer 2

Zend_Pdf是Zend Framework的一部分。其手册指出：

的Zend_Pdf组分是PDF （便携式文档格式） 操纵引擎。它可以加载， 创建，修改和保存文件。 因此，它可以帮助任何PHP应用程序 动态创建PDF文档 修改现有文档或 从头开始生成新文档。

Answer 3

它实际上可能没有为PDF失去那种信息的PDF里面的一张桌子......

Answer 4

你是否已经看xPDF？在那里有一个名为pdftotext的程序可以完成转换。您可以从PHP中调用它，然后阅读PDF的文本版本。你需要能够从php运行exec（）或system（），所以这可能不适用于所有托管的解决方案。

另外，PHP site上有一些例子可以将PDF转换为文本，虽然它很粗糙。你也可以尝试一些这样的例子。在PHP page上，在phpt dot org处搜索luc。

Answer 5

This是PHP PDF解析器，它存在于两种形式：

1. 免费版本可以解析PDF文件多达格式PDF 1.5
2. 商业插件能够解析任何PDF格式（最高电流1.9）

Answer 6

我以前写过一个（对于类似的需求），我可以这样说：玩得开心。这是一项相当复杂的任务。 PDF specification是庞大而笨拙的。有几种存储文本的方法。最引人注目的是每个PDF生成器在工作方式上都有所不同。因此，虽然像TFPDF或DOMPDF这样的东西创建真正容易阅读PDF（从机器的角度来看），但Acrobat制作了一些非常地狱般的文档。

原因是它如何写文本。大多数基于DOM的渲染器 - 我已经用它 - 将整行写成一个字符串，并将其定位一次（这非常容易阅读）。 Acrobat试图通过一次只写入一个或几个字符来更高效地（并且是），并独立地定位它们。虽然这真的简化了渲染，但它使阅读更加困难。

这里的优势在于PDF格式本身非常简单。你有遵循常规语法的“对象”。然后，您可以将它们链接在一起以生成内容。该规范在描述文件格式方面做得很好。但现实世界读书是要采取一些脑力...

建议一些有用的作品，我有学习困难的方式，如果你要自己编写：

1. 的Adobe喜欢重新映射字体。所以字符65可能不会是A ...您需要找到一个地图对象并根据其中的字符推断它正在做什么。而且它是有效的，因为如果一个字符没有出现在该字体的文档中，它就不包含它（如果你尝试以编程方式编辑一个PDF，这会使生活变得困难）...
2. 把它写成抽象可能。为每个对象类型和每个本地类型（字符串，数字等）编写类。让这些类为你解析。在那里会有一些重复，但是当你意识到你只需要调整某种特定类型的东西时，你就可以节省自己）...
3. 写一个特定的版本或两个PDF规范，并执行它。检查版本号，如果它比预期的高，请保释......并且不要试图“使其工作”。如果你想支持更新的版本，请打破规范并从那里升级解析器。不要试图尝试错误的方式（这不是很好玩）...
4. 祝你好运压缩的流。我发现通常你不能相信长度参数来验证你正在解压的东西。有时（对于某些生成器）它工作的很好......其他的它关闭了一个或多个字节。如果过滤器匹配，我只是尝试缩小它，然后强制长度...
5. 测试长度时，请勿使用strlen。使用mb_strlen($string, '8bit')，因为它会补偿不同的字符集（并允许其他字符集中的潜在无效字符）。

否则，好运...

Answer 7

我使用PDFBox的为（http://pdfbox.apache.org/）。这个软件是基于Java和平台独立的。它工作快速可靠。你可以通过exec或者shell执行或者通过PHP/Java-Bridge（http://php-java-bridge.sourceforge.net/）