Comment extraire du texte du document PDF?

Question

Comment extraire du texte du document PDF en utilisant PHP ?

(Je ne peux pas utiliser d'autres outils, je n'ai pas d'accès root)

J'ai trouvé certaines fonctions fonctionnant pour du texte brut, mais elles ne gèrent pas bien les caractères Unicode:

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

Answer 1

Télécharger le class.pdf2text.php @ http://pastebin.com/dvwySU1a (mise à Jour le 5 avril 2014) ou http://www.phpclasses.org/browse/file/31030.html (Inscription obligatoire)

Code:

include('class.pdf2text.php');
$a = new PDF2Text();
$a->setFilename('Videographer_RFP.pdf'); //grab the test file at http://www.newyorklivearts.org/Videographer_RFP.pdf
$a->decodePDF();
echo $a->output(); 

Sortie:

Vidéaste de Demande de Propositions pour l'Introduction et de la Mission de New York Arts vivants s'efforce de créer un cadre solide à l'appui de la nation, de la danse et du mouvement, les artistes grâce à de nouvelles approches la production, la présentation et l'éducation. Nos programmes de soutien individuel des artistes à tous les stades de leur carrière, en encourageant l'expérimentation et la rigueur. New York Live Arts est situé au 219 West 19th Street, dans La Ville de New York et est dirigé par Bill T. Jones comme la Direction Artistique Directeur

La classe ne fonctionne pas avec tous les fichiers pdf que j'ai testé, donnez-lui un essai et vous pouvez avoir de la chance :)

Answer 2

Je sais que ce sujet est assez ancien, mais ce besoin est toujours vivant. J'ai lu de nombreux documents, forum et script et j'en crée un nouveau avancé qui prend en charge les pdf compressés et non compressés:

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

J'espère que cela aide tout le monde

Answer 3

utilisez linux avec la commande "pdftotext". vous aidera