php 解析 pdf文件, parse PDF files and extract elements like text

PdfParser，一个独立的PHP库，提供了多种工具来从PDF文件提取数据。当前，不支持安全文档。该库仍在积极开发中。

因此，用户必须期望使用主版本时BC中断。该项目由Actualys支持  。

先决条件

该库需要PHP 5.3。
PDFParser构建在TCPDF解析器之上。
该库将通过Composer命令行自动下载。

安装

Using Composer

将PDFParser添加到您的composer.json文件：

{
    "require": {
        "smalot/pdfparser": "*"
    }
}

$ composer update smalot/pdfparser

$ composer update

<?php
 
// Include 'Composer' autoloader.
include 'vendor/autoload.php';
 
// Your code
// ...
 
?>

使用Atoum进行单元测试

运行Atoum单元测试（代码覆盖-如果安装了xdebug）：

$ vendor/bin/atoum -d vendor/smalot/pdfparser/src/Smalot/PdfParser/Tests/

一旦该命令结束，文件夹“ coverage /”将包含带有代码覆盖率摘要的html页面。

使用方法

该示例将解析所有pdf文件，并从每个页面提取文本。

<?php
 
// Include Composer autoloader if not already done.
include 'vendor/autoload.php';
 
// Parse pdf file and build necessary objects.
$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseFile('document.pdf');
 
$text = $pdf->getText();
echo $text;
 
?>

您也可以从每个页面手动提取文本，也可以从特定页面提取文本。

<?php
 
// Include Composer autoloader if not already done.
include 'vendor/autoload.php';
 
// Parse pdf file and build necessary objects.
$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseFile('document.pdf');
 
// Retrieve all pages from the pdf file.
$pages  = $pdf->getPages();
 
// Loop over each page to extract text.
foreach ($pages as $page) {
    echo $page->getText();
}
 
?>

这里是一个示例代码，用于从文档（作者，创建者，CreationDate等）中提取元数据。

<?php
 
// Include Composer autoloader if not already done.
include 'vendor/autoload.php';
 
// Parse pdf file and build necessary objects.
$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseFile('document.pdf');
 
// Retrieve all details from the pdf file.
$details  = $pdf->getDetails();
 
// Loop over each property to extract values (string or array).
foreach ($details as $property => $value) {
    if (is_array($value)) {
        $value = implode(', ', $value);
    }
    echo $property . ' => ' . $value . "\n";
}
 
?>

本文：php 解析 pdf文件, parse PDF files and extract elements like text