用php读取pdf文件

Posted 2023-02-24

技术标签:

【中文标题】用php读取pdf文件【英文标题】：Read pdf files with php 【发布时间】：2010-11-03 12:27:26 【问题描述】：

我有一个大型 PDF 文件，它是建筑物的平面图。它包含所有办公家具的图层，包括座位位置的文本框。

我的目标是用 php 读取这个文件，在文档中搜索文本层，在文件中获取它们的内容和坐标。这样我就可以绘制出座位位置 -> x/y 坐标。

有没有办法通过 PHP 做到这一点？（如果有必要，甚至是 Ruby 或 Python）

【问题讨论】：

标记代码中是否包含“坐标”？如果没有，您可以随意搜索。 PHP 无法定位 pdf 文件的像素坐标。尝试更详细地解释您的“问题”，也许通过使用图片等方式。您好，您的问题找到答案了吗？因为我遇到了类似的问题，但找不到解决方案……如果你找到了，请告诉我你是如何从 pdf 文件中获取图像坐标的？.. @PigalevPavel 对不起，我没有 :( 【参考方案1】：

查看 FPDF（使用 FPDI）：

http://www.fpdf.org/

http://www.setasign.de/products/pdf-php-solutions/fpdi/

这些将让您打开一个 pdf 并在 PHP 中添加内容。我猜您也可以使用它们的功能在现有内容中搜索您需要的值。

另一个可能的库是 TCPDF：https://tcpdf.org/

更新以添加更现代的库：PDF Parser

【讨论】：

在将 pdf 解析为 php 方面，fpdf 不足，而 pdfparser pdfparser.org/documentation 具有简洁直观的编程界面嗨@Nate！我将 pdf 解析器库添加到答案中。感谢您对 6 岁的答案投反对票！这就是为什么“主要基于意见”的问题首先在这里超出范围。此外，我认为对一个 6 岁的问题发表意见并没有什么不好，但我同意在这种情况下，否决票是愚蠢的。所以我支持你:) 在寻找自己的答案时，我发现了这些信息，当时我并没有在寻找信息的年龄。这个网站是一个很好的资源，但前提是信息是真实的。 fpdf 常见问题解答指出，“18。我想用 PHP 制作一个搜索引擎并索引 PDF 文件。我可以用 FPDF 做吗？不能。”虽然 OP 不是在寻找搜索引擎，但这个问答展示了 fpdf 无法解析 pdf 中的文本元素，而这正是 OP 和我自己正在寻找的。您提供的解决方案不是原始问题的解决方案，现在看来，无知正在蔓延。本网站上的信息保持准确至关重要，否则它是另一个“雅虎答案”。【参考方案2】：

有一个 php 库 (pdfparser) 可以完全满足您的需求。

项目网站

http://www.pdfparser.org/

github

https://github.com/smalot/pdfparser

演示页面/api

http://www.pdfparser.org/demo

在您的项目中包含 pdfparser 后，您可以从 mypdf.pdf 获取所有文本，如下所示：

<?php
$parser = new \installpath\PdfParser\Parser();
$pdf    = $parser->parseFile('mypdf.pdf');  
$text = $pdf->getText();
echo $text;//all text from mypdf.pdf

?>

您可以从 pdf 中获取元数据以及获取 pdf 对象（例如图像）。

【讨论】：

我试过这个库。这个库不解析许多 PDF 文件，否则它可以工作【参考方案3】：

不完全是 php，但您可以从 php 执行一个程序，将 pdf 转换为临时 html 文件，然后使用 php 解析生成的文件。我为我的一个项目做了类似的事情，这是我使用的程序：

PdfToHtml

生成的 HTML 将文本元素包装在具有绝对位置坐标的

标记中。看起来这正是你想要做的。

【讨论】：

嘿，你能发布一个示例代码如何实现你的结果。我找不到合适的文档。会很棒的。【参考方案4】：

您的初始请求是“我有一个大型 PDF 文件，它是建筑物的平面图。”

我不敢告诉你，这可能比你想象的要难。

原因每个人用来解析 pdf 的最后一个已知库是 smalot，并且已知这个库会遇到大文件问题。