如何从PDF文档中提取文本？

Question

如何使用PHP从PDF文档中提取文本？

(我不能使用其他工具,我没有root访问权限)

我发现一些函数适用于纯文本,但它们不能很好地处理Unicode字符:

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

Answer 1

下载class.pdf2text.php @ https://pastebin.com/dvwySU1a(2014年 4月5日更新)或http://www.phpclasses.org/browse/file/31030.html(需要注册)

码:

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

该课程不适用于我测试的所有pdf,尝试一下,你可能会很幸运:)

如果上述方法不起作用,请尝试http://pdfparser.org/

项目主页(SSL证书问题)

Answer 2

我知道这个话题已经很老了,但这个需求仍然存在.我阅读了许多文档,论坛和脚本,并构建了一个支持压缩和未压缩pdf的新的高级文档:

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

希望它能帮到你