讓PHP讀取Linux上的.doc文件

我試圖將一個.doc文件讀入數據庫，這樣我就可以爲它的內容建立索引。在Linux上有沒有簡單的方法來讀取.doc文件？如果不這樣做，是否有可能將.doc文件轉換爲rtf，pdf或其他易於閱讀的「開放」格式？讓PHP讀取Linux上的.doc文件

請注意，我對.docx文件不感興趣。

來源

2008-09-18 Conor

似乎有一個library for accessing Word documents，但不知道如何從PHP訪問它。我認爲最好的解決方案是從PHP調用它們的wv command。

來源

2008-09-18 05:57:37

這似乎很理想。我需要在一些文檔上測試它，但到目前爲止，wvText函數似乎可以滿足我的需求。 – Conor 2008-09-18 06:10:19

前段時間，微軟發佈了specification for the .DOC format。

來源

2008-09-18 05:50:25

您可以使用antiword或AbiWord來拉出文本並將其提供給您最喜愛的全文索引器。 AbiWord可能對您的目的更有效，因爲它可以轉換爲RTF，PDF和其他格式（是的，它是一個GUI文字處理器，但它也支持命令行使用）。

來源

2008-09-18 05:53:25

這不是PHP，但有一個doc2rtf實用工具，你可以使用。從那裏你可以打開RTF文件作爲文本文件，編寫一些字符串替換例程來刪除RTF格式代碼，並有一個適合索引的文本。

或者，您可以獲得OpenOffice並打開MS Word文檔，然後選擇文件>另存爲> RTF。

來源

2008-09-18 05:54:03

DOC文件以二進制格式存儲，其中沒有任何純粹的PHP編寫類處理它們。

RTF文件更容易解析，主要是文本，你可以打開它們打開並閱讀內容。

如果可以的話，我會建議使用RTF，因爲目前還沒有DOC文件的完善解決方案。

來源

2008-09-18 06:00:43 Cetra

Conor，我建議看看OpenOffice命令行界面/調用宏。它可以將許多文件格式轉換爲許多文件格式。然後你可以選擇比MS doc更能解析的東西。

例如，轉換爲PDF格式，命令行是：

/usr/lib/ooo-2.0/program/soffice.bin -norestore -nofirststart -nologo -headless -invisible "macro:///Standard.Module1.SaveAsPDF(demo.doc)"

來源

2008-09-18 15:18:24

嘿，這是一個很好的提示：你有鏈接到其他宏的參考嗎？ – nickf 2009-05-14 07:10:42

phpLiveDocx是一個Zend Framework組件，可在PHP運行在Linux，Windows和Mac讀寫DOC和RTF文件。此外，您可以使用它來生成PDF文件，甚至可以將PHP中的數據合併到使用MS Word或Open Office創建的模板文件中！

請參見該項目網站：

http://www.phplivedocx.org

來源

2009-05-14 07:06:27

我發現了一個unoconv軟件包在Ubuntu。它在OpenOffice支持的所有格式之間進行轉換。你應該可以在php中使用exec來運行這個工具。

來源

2009-12-24 18:53:49 Loke

你可能想從這篇文章中檢查源代碼： Reading the "clean" text from DOCX and ODT

來源

2012-06-02 22:16:47

後搜索的天，這裏是我最好的解決辦法： http://wvware.sourceforge.net/

安裝包

sudo apt-get install wv

用它PHP：

$output = str_replace('.doc', '.txt', $filename); 
shell_exec('/usr/bin/wvText ' . $filename . ' ' . $output); 
$text = file_get_contents($output); 
# Convert to UTF-8 if needed 
if(!mb_detect_encoding($text, 'UTF-8', true)) 
{ 
    $text = utf8_encode($text); 
} 
unlink($output);

來源

2016-03-21 13:38:26 hugsbrugs

讓PHP讀取Linux上的.doc文件

回答

相關問題