3
我們在服務器上有數百個PDF文件。其中一些包含可搜索的文本，而另一些則不包含。確定PDF文件是否具有PHP中的可搜索文本
我被問到找出哪些是可搜索的，哪些不是。
有誰知道一種方式來閱讀一堆PDF文件，並確定該PDF文檔是否包含可搜索/可選文本，或者如果pdf僅包含需要OCRd的非可選/可搜索文本？
我甚至不需要真正閱讀文本;我只需要能夠通過標籤或關鍵字來檢測，這表明在原始數據中有字體或類似的東西。
在可檢索的PDF中是否有標籤可以很容易檢測？
感謝
有相當多的圖書館來創建PDF文件，但在PHP中讀取它們，而不是很多。我會說使用第三方程序（也許pdftotext？）來提取文本將是你最好的選擇。 – hank
這是一個很好的問題:-)我會嘗試尋找一些文本，例如搜索一個空間左右，但這個問題肯定會得到一個更長的思路 –
我不認爲PHP是這個任務的正確工具。 – Spudley