PdfParser读取PDF文件内容

水深无声 2023-03-01 05:35 337阅读 0赞

> PdfParser 是一个标准的 PHP 库提供个用于从 PDF 文件中抽取数据的工具。它加载 PDF文件并解析文件中对象、头和元数据，可抽取其中的文本信息，支持压缩的 PDF、MAC OS 罗马字符集编码、8进制和16进制编码。兼容PSR-0 和 PSR-1。

官方文档:[https://www.pdfparser.org/documentation][https_www.pdfparser.org_documentation]

#### 使用composer安装依赖包： ####

composer require smalot/pdfparser

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhMTMxMjIzMTg4NjE_size_16_color_FFFFFF_t_70]

###### 1、获取文件的基本信息，如：制作人、日期、总页数等 ######

namespace App\Http\Controllers;
    
    use \Smalot\PdfParser\Parser;
    
    class eBookController
    { 
        public function demo()
        { 
            $parser = new Parser();
            $pdf = $parser->parseFile('./file.pdf');
            $details = $pdf->getDetails();
    
            return response()->json($details);
        }
    
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhMTMxMjIzMTg4NjE_size_16_color_FFFFFF_t_70 1]

###### 2、读取文件中的所有内容 ######

$parser = new Parser();
    $pdf = $parser->parseFile('./file.pdf');
    $con = $pdf->getText(); //将所有内容读取到一个字符串中
    return response()->json($con);

###### 3、分页读取、指定页内容 ######

$parser = new Parser();
    $pdf = $parser->parseFile('./file.pdf');
    $pages = $pdf->getPages(); //分页信息
    //指定页内容
    $content = $pages[1]->getText();
    foreach ($pages as $page) { 
    	$con[] = $page->getText(); //输出每一页的内容
    }
    return response()->json($con);

[https_www.pdfparser.org_documentation]: https://www.pdfparser.org/documentation
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhMTMxMjIzMTg4NjE_size_16_color_FFFFFF_t_70]: /images/20230209/7e4f5d57c7d945bbb67e9b72152bf66b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhMTMxMjIzMTg4NjE_size_16_color_FFFFFF_t_70 1]: /images/20230209/b3852f7644c64d74955f8ef4f71866d5.png