phppdf を使用して PDF を HTML に変換する方法 (コード例)-PHPの問題-php.cn

phppdf を使用して PDF を HTML に変換する方法 (コード例)

PHPz

リリース： 2023-04-04 16:22:01

オリジナル

2037 人が閲覧しました

インターネット技術の継続的な発展に伴い、人々のファイル形式に対する要求はますます高まっています。たとえば、HTML 形式には簡単な操作、視覚的なプレゼンテーション、およびネットワークの相互運用性という利点があるため、現在、多くの企業や個人がドキュメントを処理する際に HTML 形式を使用することを好みます。 PDF 形式も広く使用されているドキュメント形式です。では、PDF 形式のドキュメントを HTML 形式に変換するにはどうすればよいでしょうか?この記事では、PHP 言語で実装された方法、つまり phppdf ライブラリを使用して PDF を HTML コードに変換する方法を紹介します。

1. phppdf ライブラリの概要

phppdf ライブラリは、PDF ファイルを読み取って解析し、HTML コードまたはテキストファイルに変換するために使用されるオープンソースの PHP ライブラリです。 phppdf ライブラリは強力であるため、PDF ファイルを変換する前に、まず phppdf ライブラリをインストールする必要があります。

2. phppdf ライブラリをインストールする

phppdf ライブラリをインストールする最も簡単な方法は、composer を介してインストールすることです。プロジェクトのルートディレクトリで次のコマンドを実行するだけです:

composer require smalot/pdfparser

ログイン後にコピー

インストール後、phppdf ライブラリを使用して PDF を HTML コードに変換する必要がある場合は、PHP コードで次の名前空間を参照する必要があります:

use Smalot\PdfParser\Parser;

ログイン後にコピー

##3. PDF ファイルを解析する

phppdf ライブラリをインストールした後、それを使用して PDF ファイルを解析できます。サンプルコードは次のとおりです:

$parser = new Parser();
$pdf = $parser->parseFile('path/to/pdf/file');

$text = $pdf->getText();
// 获取PDF文本内容

$html = $pdf->toHtml();
// 获取HTML代码

ログイン後にコピー

コードでは、まず PDF ファイルを解析するための Parser オブジェクトを作成します。次に、parseFile メソッドを呼び出して PDF ファイルを解析します。このメソッドのパラメータは PDF ファイルのパスです。解析後、getText メソッドを使用して PDF ファイルのテキストコンテンツを取得したり、toHtml メソッドを使用して PDF ファイルから変換された HTML コードを取得したりできます。

4. HTML コードの処理

PDF ファイルのフォーマットは複雑であるのに対し、HTML フォーマットのフォーマットは比較的単純であるため、PDF から変換された HTML コードの処理も重要なタスクです。 HTML コードを処理する方法は次のとおりです:

1. 冗長なタグを削除します

PDF ファイルには、無駄な div タグや空の p タグなど、多くの冗長なタグが存在する場合があります。タグは HTML ページ上のスペースを占有するだけでなく、読書体験にも影響を与える可能性があります。したがって、PDF to HTML コードを使用する場合は、これらの無駄なタグを一律に削除する必要があります。

サンプルコード:

$html = preg_replace('/<\/?div[^>]*>/', '', $html);
$html = preg_replace('/(<p[^>]*><\/p>)*\n/', '', $html);

ログイン後にコピー

2. 組版の調整

PDF ドキュメントの組版は不規則であることが多いため、調整する必要があります。たとえば、タイトルのフォントサイズや行間隔を制御するには、いくつかの CSS スタイルシートを追加する必要があります。

サンプルコード:

$html = "<!DOCTYPE html>\n<html>\n<head>\n<style>
  h1,h2,h3,h4,h5,h6 {
    margin: 0;
    line-height: 1.6em;
    font-size: 1em;
  }\n
</style>\n</head>\n<body>\n" . $html . "</body>\n</html>";

ログイン後にコピー

コードでは、タイトルの調整、タイトルのインデントの削除、フォントサイズと行間隔の調整を行うスタイルシートを追加しました。

5. 概要

この記事では、phppdf ライブラリを使用して PDF を HTML コードに変換するプロセス (phppdf ライブラリのインストール、PDF ファイルの解析、HTML コードの処理の手順など) を紹介します。この記事を通じて、読者の皆様には phppdf ライブラリを使用して PDF を HTML コードに変換する方法を習得していただいたと思いますが、実際のプロジェクト開発に役立てていただければ幸いです。

以上がphppdf を使用して PDF を HTML に変換する方法 (コード例)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。