PHP で DOCX ファイルからテキストを読み取って抽出する方法

PHP での DOCX ファイルの読み取り

PHP で DOCX ファイルを読み取ろうとすると、出力に文字化けが表示され、問題が発生する場合があります。この問題は主に、DOCX ファイルが特殊な処理を必要とする圧縮パッケージであるために発生します。次のコードは、PHP で DOCX ファイルを読み取り、処理する方法を示しています。

<code class="php">function read_file_docx($filename){

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

    if(!$filename || !file_exists($filename)) return false;

    $zip = zip_open($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);

    //echo $content;
    //echo "<hr>";
    //file_put_contents('1.xml', $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;
}
$filename = "filepath";// or /var/www/html/file.docx

$content = read_file_docx($filename);
if($content !== false) {

    echo nl2br($content);
}
else {
    echo 'Couldn\'t the file. Please check that file.';
}</code>

このコードは、PHP ZIP 拡張子を使用して、DOCX ファイルを zip パッケージとして開きます。次に、zip パッケージ内でドキュメントのテキスト コンテンツを含む「word/document.xml」ファイルを見つけます。その後、コンテンツが抽出され、タグの置換と HTML タグの削除によってクリーンアップされます。結果のテキストは、必要に応じて表示または処理できます。

以上がPHP で DOCX ファイルからテキストを読み取って抽出する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。