PHP は PDF コンテンツを読み取り、それを Xpdf で使用します

1. ダウンロード
まずは情報をダウンロードしましょう。
中国語に変換する必要がない場合は、xpdf-bin-linux-3.03.tar をダウンロードするだけです。中国語に変換する必要がある場合でも、xpdf-chinese-simplified が必要です。 tar

2. インストール
ダウンロードが完了したので、インストールできます。
[root@localhost ~]# mkdir -p /lcf/upan
[root@localhost ~]# mkdir -p /lcf/cdrom
[root@localhost ~]# mkdir -p /lcf/ xpdf
[root@localhost ~]# cd /lcf/upan/
[root@localhost upan]# cp xpdf/* ../xpdf/ (ダウンロードしたファイルは /lcf/xpdf ディレクトリに配置されます)
[root@localhost upan]# cd ../xpdf/
[root@localhost xpdf]# tar -zxvf xpdfbin-linux-3.03.tar.gz
[root@localhost xpdf]# cd xpdfbin -linux -3.03
[root@localhost xpdfbin-linux-3.03]# cat INSTALL
[root@localhost xpdfbin-linux-3.03]# cd bin32/
[root@localhost bin32]# cp ./ * / usr/local/bin/
[root@localhost bin32]# cd ../doc/
[root@localhost doc]# mkdir -p /usr/local/man/man1
[root @localhost doc]# mkdir -p /usr/local/man/man5
[root@localhost doc]# cp *.1 /usr/local/man/man1
[root@localhost doc]# cp * .5 /usr/local/man/man5
中国語を読む必要がない場合は、ここで終了できます。必要な場合は続けてください。
[root@localhost doc]# cp sample-xpdfrc /usr /local/etc/xpdfrc
[root@localhost xpdf]# cd /lcf/xpdf
[root@localhost xpdf]# tar -zxvf xpdf-chinese-simplified.tar.gz
[root @localhost xpdf]# cd xpdf-簡体字中国語
[root@localhost xpdf]# mkdir -p/usr/local/share/xpdf/簡体字中国語
[root@localhost xpdf]# cd xpdf-中国語-simplified /
[root@localhost xpdf-chinese-simplified]# cp Adob​​e-GB1.cidToUnicode ISO-2022-CN.unicodeMap EUC-CN.unicodeMap GBK.unicodeMap CMAP /usr/local/share/xpdf/chinese- simplified/
add-to-xpdfrc ファイルの内容を簡体字中国語で /usr/local/etc/xpdfrc ファイルにコピーします。内部のパスは正しい必要があることに注意してください。 (ここでの簡体字中国語パッケージには ISO-2022-CN、EUC-CN、GBK の 3 つの形式が含まれていることに注意してください。UTF-8 はサポートされていないことをよく見てください。最初に GBK に変換してからエスケープできます)

3. 機能の実装
この時点で、すべての設定が完了し、使用を開始します。
単純な PDF の読み取りの場合は、次のステートメントを使用します。
$content =shell_exec('/usr/local/bin/pdftotext '.$filename.' -');
中国語に変換する必要がある場合は、次のようなパラメータを追加します。
$content =shell_exec('/usr/local/bin/pdftotext -layout -enc GBK '.$filename.' -');
もちろん、パラメータを追加しても英語の変換には影響しません。ご自由にお使いください。ここで転送されるのは GBK エンコードであることに注意してください。現在、多くの Web サイトでは文字化けを回避したい場合は、UTF-8 を再度エスケープする必要があります。
$content = mb_convert_encoding($content, 'UTF-8','GBK');
これで作業は完了です。読み取ったコンテンツをどのように使用し、それを処理するコードを作成しますか。
最後に、全員用の pdftotext のパラメータの説明を追加します。

主なパラメータは次のとおりです:
オプション
次のオプションの多くは、構成ファイル コマンドで設定できます。
これらは角括弧内にリストされています。
対応するコマンド ライン オプションの説明を付けます。
-f 数値
変換する最初のページを指定します。
変換する最後のページを指定します。
テキストの元の物理レイアウトを (可能な限り) 維持します。デフォルトでは、物理レイアウト (列、
ハイフネーションなど) を「元に戻し」、テキストを読み上げ順に出力します。 🎜>- 固定数値
指定された文字幅 (ポイント単位) の固定ピッチ (または表形式) テキストを想定します。
-raw テキストをコンテンツ ストリームに保持します。これは物理レイアウト モードを強制します。
列の書式設定などを頻繁に「元に戻す」ハックです。
-htmlmeta
単純な HTML ファイルを生成します。
これは、テキストを

 で囲み、
-enc エンコーディング名
 を先頭に追加します。