有没有办法使用 PHP 提取 .doc 文件的内容及其样式？

Posted 2023-02-19

【中文标题】有没有办法使用 PHP 提取 .doc 文件的内容及其样式？

【英文标题】：Is there a way to extract the content of a .doc file along with its styles using PHP?

【发布时间】：2022-01-22 22:05:15

【问题描述】：

我正在尝试提取 .doc 文件的内容（及其样式），然后将其上传到 WordPress 以创建新帖子。

我正在使用 phpWord 库，但我只能获取纯文本的内容，我想知道是否可以提取数据及其样式。

编辑：

我已经修改了我的代码，虽然我仍然无法获得样式，但我能够获得由 PHPWord 本身生成的 html 格式的文档。

正如我在前几行中提到的那样，问题在于样式并且它没有保留任何图像，当我保存时它们都被删除了。

目前，从 .doc 中提取信息的部分代码如下所示：

$source = 'c0000001.doc';

$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

$objWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, 'HTML');

$objWriter->save('output.html');

非常感谢您的帮助。

【参考方案1】：

是的，您可以按照以下方式进行操作

// Read contents
$source = 'c0000001.doc';
echo date('H:i:s'), " Reading contents from `$source`";

$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

$text = '';

$sections = $phpWord->getSections();

foreach ($sections as $s) 
    $els = $s->getElements();
    foreach ($els as $e) 
        if(!$e instanceof \PhpOffice\PhpWord\Element\Text)
          continue;
        
        $text .= $e->getText();
        $styles = $e->getParagraphStyle(); //do somethign witth the style
     $styles = $e->getFontStyle(); //do somethign witth the style
    

方法来源：https://github.com/PHPOffice/PHPWord/blob/develop/src/PhpWord/Element/Text.php

【讨论】：

这会返回以下错误：致命错误：未捕获错误：调用未定义的方法 PhpOffice\PhpWord\Element\Text::getStyle()

@Alex 啊抱歉我改了答案

我刚刚修改了我的问题，我已经取得了进展，但是我有新的问题。