14

docまたはdocxの内容を読み取る方法を知りたいのですが。Linux VPSとPHPを使用していますが、他の言語を使用したより簡単な解決策がある場合は、Linux Webサーバーで機能する限り、お知らせください。

4

9 に答える 9

15

これは.DOCXソリューションのみです。.DOCまたは.PDFの場合、PDFの場合はpdf2text.phpなどの他のものを使用する必要があります

function docx2text($filename) {
   return readZippedXML($filename, "word/document.xml");
 }

function readZippedXML($archiveFile, $dataFile) {
// Create new ZIP archive
$zip = new ZipArchive;

// Open received archive file
if (true === $zip->open($archiveFile)) {
    // If done, search for the data file in the archive
    if (($index = $zip->locateName($dataFile)) !== false) {
        // If found, read it to the string
        $data = $zip->getFromIndex($index);
        // Close archive file
        $zip->close();
        // Load XML from a string
        // Skip errors and warnings
        $xml = new DOMDocument();
    $xml->loadXML($data, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
        // Return data without XML formatting tags
        return strip_tags($xml->saveXML());
    }
    $zip->close();
}

// In case of failure return empty string
return "";
}

echo docx2text("test.docx"); // Save this contents to file
于 2011-09-10T11:12:18.170 に答える
6

私の解決策は、.doc のAntiwordと .docx のdocx2txtです。

あなたが管理しているLinuxサーバーを想定して、それぞれをダウンロードし、抽出してからインストールします。私はそれぞれをシステム全体にインストールしました：

アンチワード: make global_install
docx2txt:make install

次に、これらのツールを使用して、テキストを PHP の文字列に抽出します。 

//for .doc
$text = shell_exec('/usr/local/bin/antiword -w 0 ' . 
    escapeshellarg($docFilePath));

//for .docx
$text = shell_exec('/usr/local/bin/docx2txt.pl ' . 
    escapeshellarg($docxFilePath) . ' -');

docx2txt には perl が必要です

no_freedom のソリューションは docx ファイルからテキストを抽出しますが、空白を解体できます。私がテストしたほとんどのファイルには、区切るべき単語間にスペースがないインスタンスがありました。処理中の文書を全文検索したい場合には不向きです。

于 2013-01-15T22:54:42.463 に答える
1

ApachePOIを試してください。Javaでうまく機能します。LinuxにJavaをインストールするのに問題はないと思います。

于 2011-05-05T07:35:33.907 に答える
0

doc から txt へのコンバーター機能に少し改善を挿入します

private function read_doc() {
    $line_array = array();
    $fileHandle = fopen( $this->filename, "r" );
    $line       = @fread( $fileHandle, filesize( $this->filename ) );
    $lines      = explode( chr( 0x0D ), $line );
    $outtext    = "";
    foreach ( $lines as $thisline ) {
        $pos = strpos( $thisline, chr( 0x00 ) );
        if (  $pos !== false )  {

        } else {
            $line_array[] = preg_replace( "/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/", "", $thisline );

        }
    }

    return implode("\n",$line_array);
}

これで空の行が保存され、txt ファイルは行ごとに表示されます。

于 2016-01-30T05:28:42.303 に答える