閱讀word文件的標題

Question

我一直在尋找能讓我將doc和docx文件轉換爲PHP中的字符串的東西。

到目前爲止，我已經有不錯的成功與SO這樣使用代碼的答案爲：

• read word document in php
• Reading DOC file in php

而且還Github上有人一類所做的：

• https://github.com/LukeMadhanga/PHPDocumentParser

我也試過Antiword但它只能讀取doc文件（不是docx）並且被命中或錯過。

我面臨的問題是，大多數情況下，當文檔包含頭文件時，以上解決方案都不會讀取頭文件。它將從返回的字符串中被省略。

是否有任何內容會讀取文檔頭文件並轉換爲字符串？

PHPWord經常被建議，但從我的理解，它用於創建和不讀取Word文檔。

請注意，這是我目前用來將doc/docx轉換爲PHP中的字符串的類。它運作良好，但似乎並沒有解析頭：

class DocxConversion{ 
    private $filename; 

    public function __construct($filePath) { 
     $this->filename = $filePath; 
    } 

    private function read_doc() { 

     $fileHandle = fopen($this->filename, "r"); 
     $line = @fread($fileHandle, filesize($this->filename)); 
     $lines = explode(chr(0x0D),$line); 
     $outtext = ""; 
     $content_started=false; 
     foreach($lines as $thisline){ 
      $pos = strrpos($thisline, chr(0x00)); 
      if (($pos !== FALSE)||(strlen($thisline)==0)){   
      } 
      else { 
       if(!$content_started){ 
        $outtext.=substr($lastline,$lastpos)." "; 
       } 
       $content_started=true; 
       $outtext .= $thisline." "; 
      } 
       $lastline=$thisline; 
       $lastpos=$pos; 
      } 
     $outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/"," ",$outtext); 
     return $outtext; 
    } 

    private function read_docx(){ 

     $striped_content = ''; 
     $content = ''; 

     $zip = zip_open($this->filename); 

     if (!$zip || is_numeric($zip)) return false; 

     while ($zip_entry = zip_read($zip)) { 

      if (zip_entry_open($zip, $zip_entry) == FALSE) continue; 

      if (zip_entry_name($zip_entry) != "word/document.xml") continue; 

      $content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry)); 

      zip_entry_close($zip_entry); 
     }// end while 

     zip_close($zip); 

     $content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content); 
     $content = str_replace('</w:r></w:p>', "\r\n", $content); 
     $striped_content = strip_tags($content); 

     return $striped_content; 
    } 

/************************excel sheet************************************/ 

function xlsx_to_text($input_file){ 
    $xml_filename = "xl/sharedStrings.xml"; //content file name 
    $zip_handle = new ZipArchive; 
    $output_text = ""; 
    if(true === $zip_handle->open($input_file)){ 
     if(($xml_index = $zip_handle->locateName($xml_filename)) !== false){ 
      $xml_datas = $zip_handle->getFromIndex($xml_index); 
      $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING); 
      $output_text = strip_tags($xml_handle->saveXML()); 
     }else{ 
      $output_text .=""; 
     } 
     $zip_handle->close(); 
    }else{ 
    $output_text .=""; 
    } 
    return $output_text; 
} 

/*************************power point files*****************************/ 
function pptx_to_text($input_file){ 
    $zip_handle = new ZipArchive; 
    $output_text = ""; 
    if(true === $zip_handle->open($input_file)){ 
     $slide_number = 1; //loop through slide files 
     while(($xml_index = $zip_handle->locateName("ppt/slides/slide".$slide_number.".xml")) !== false){ 
      $xml_datas = $zip_handle->getFromIndex($xml_index); 
      $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING); 
      $output_text .= strip_tags($xml_handle->saveXML()); 
      $slide_number++; 
     } 
     if($slide_number == 1){ 
      $output_text .=""; 
     } 
     $zip_handle->close(); 
    }else{ 
    $output_text .=""; 
    } 
    return $output_text; 
} 


    public function convertToText() { 

     if(isset($this->filename) && !file_exists($this->filename)) { 
      return "File Not exists"; 
     } 

     $fileArray = pathinfo($this->filename); 
     $file_ext = $fileArray['extension']; 
     if($file_ext == "doc" || $file_ext == "docx" || $file_ext == "xlsx" || $file_ext == "pptx") 
     { 
      if($file_ext == "doc") { 
       return $this->read_doc(); 
      } elseif($file_ext == "docx") { 
       return $this->read_docx(); 
      } elseif($file_ext == "xlsx") { 
       return $this->xlsx_to_text(); 
      }elseif($file_ext == "pptx") { 
       return $this->pptx_to_text(); 
      } 
     } else { 
      return "Invalid File Type"; 
     } 
    } 

} 

Answer 1

PHPWord可以讀取文件，看在我的問題張貼的代碼修改類here

Answer 2

我已經解決了我的問題如下（它現在讀取頭中，如果它存在的docx ZIP）：

private function read_docx(){ 

    $striped_content = ''; 
    $content = ''; 
    $header_content=''; 
    $main_content=''; 

    $zip = zip_open($this->filename); 

    if (!$zip || is_numeric($zip)) return false; 

    while ($zip_entry = zip_read($zip)) { 

     if (zip_entry_open($zip, $zip_entry) == FALSE) continue; 

     //Can be header1.xml or header2.xml etc., determine if it's a header 
     $header_substr=substr(zip_entry_name($zip_entry),0,11); 
     //If it's not an xml file we want, skip 
     if (zip_entry_name($zip_entry) != "word/document.xml" AND $header_substr!="word/header") continue; 

     //Allocate to the relevant content 
     $sub_content=zip_entry_read($zip_entry, zip_entry_filesize($zip_entry)); 
     if($header_substr=="word/header"){ 
      $header_content .= $sub_content; 
     } 
     else { 
      $main_content .= $sub_content; 
     } 
     zip_entry_close($zip_entry); 
    } 

    zip_close($zip); 

    $content=$header_content." ".$main_content; 

    $content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content); 
    $content = str_replace('</w:r></w:p>', "\r\n", $content); 
    $striped_content = strip_tags($content); 

    return $striped_content; 
}