PHP による PDF コンテンツの読み取り (LINUX での XPDF の構成と使用)

PHP による PDF コンテンツの読み取り (LINUX での XPDF の構成と使用)_PHP チュートリアル

WBOY

リリース： 2016-07-14 10:07:01

オリジナル

959 人が閲覧しました

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済みます。中国語に変換する必要がある場合でも、xpdf-chinese-simplified.tar をダウンロードする必要があります。

2. インストール

ダウンロードが完了したので、インストールしてみましょう。

[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、ここで終了してください。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-簡体字/

[root@localhost xpdf-簡体字中国語]# cp Adobe-GB1.cidToUnicode ISO-2022-CN.unicodeMap EUC-CN.unicodeMap GBK.unicodeMap CMAP /usr/local/share/xpdf/簡体字中国語/

簡体字中国語のファイル add-to-xpdfrc の内容を /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するだけです。

$content =shell_exec('/usr/local/bin/pdftotext '.$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変換には影響しませんので、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');

この時点で、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、皆さんのために 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