是否可以使用PHP从MS office文件和/或PDF中提取元信息？

Question

所以我有文件....

.doc
.docx
.xls
.xlsx
and .pdf

在我的服务器上.

是否有可能(如果是,如何)使用PHP从这些文件中提取元数据？我正在寻找像作家,关键词,标题等的东西......

在office文档中,它是与文档属性一起存储的信息(File ... Properties ... Summary for 2003,Prepare ... Properties for 2007).

在PDF中,它是文档属性中的信息.

这不在 Windows服务器上.

Answer 1

几年前，我在 Linux 系统上使用XPDF成功提取了大量元信息。但现在，我想说Zend_PDF是你最好的选择。我自己没有使用过，但看起来不错，并且承诺提供您需要的一切。似乎也没有库依赖性。

对于 Word .DOC，如果您找不到更好的方法，请插入 OpenOffice 服务器实例/命令行并将文件转换为 ODT（XML 且可解析）。如果不可能提取每个宏的元数据 - 应该可以，但我不知道需要多少工作。此 OpenOffice 论坛条目提供了大量自动转换的起点。

...X 格式是某种 XML，因此应该可以轻松地从中获取元数据。或者，您也应该能够在此处使用 OpenOffice 的转换过滤器（如果它们传输元数据）。