web-dev-qa-db-ja.com

PDFドキュメントからテキストを抽出するには？

PDF document sing PHP？]からテキストを抽出する方法

（他のツールを使用することはできません。ルートアクセス権はありません）

プレーンテキストで機能する関数をいくつか見つけましたが、Unicode文字をうまく処理できません。

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

phppdftextunicode
53
Sfisioza

ダウンロードclass.pdf2text.php@ https://Pastebin.com/dvwySU1a （2014年4月5日に更新）または http://www.phpclasses.org/browse/file/31030.html （登録が必要です）

コード：

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

このクラスは、私がテストしたすべてのpdfで機能するわけではありません。試してみてください。

上記が機能しない場合は、 http://pdfparser.org/ を試してください

プロジェクトホーム （SSL証明書の問題）

48
Pedro Lobito

私はこのトピックがかなり古いことを知っていますが、この必要性はまだ生きています。私は多くのドキュメント、フォーラム、スクリプトを読み、圧縮されたpdfと非圧縮のpdfをサポートする新しい高度なドキュメントを作成します。

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

それがみんなに役立つことを願って

11
Sebastien Malot