Bagaimana untuk mengekstrak teks dengan cepat daripada fail PDF menggunakan PHP dan Alibaba Cloud OCR?

Bagaimana untuk mengekstrak teks dengan cepat daripada fail PDF menggunakan PHP dan Alibaba Cloud OCR?

Pengenalan:
Dengan kemunculan era digital, semakin banyak dokumen disimpan dalam format PDF. Dalam sesetengah senario, kami perlu mengekstrak teks daripada fail PDF untuk pemprosesan dan analisis selanjutnya, seperti pemprosesan dokumen automatik, pengekstrakan maklumat, dsb. Artikel ini akan memperkenalkan cara menggunakan perkhidmatan PHP dan Alibaba Cloud OCR untuk mengekstrak teks daripada fail PDF dengan cepat.

Langkah 1: Konfigurasikan perkhidmatan OCR Cloud Alibaba
Pertama, kami perlu mendaftar dan mengaktifkan perkhidmatan OCR di Alibaba Cloud. Dapatkan ID Kunci Akses dan Rahsia Kunci Akses, dan buat aplikasi OCR untuk menjana kunci di bawah aplikasi. Maklumat ini akan digunakan dalam kod seterusnya.

Langkah 2: Pasang dan konfigurasikan PHP-SDK
Alibaba Cloud menyediakan versi PHP SDK Kami boleh menggunakan komposer untuk memasang dan mengkonfigurasi SDK dengan cepat. Jalankan arahan berikut dalam terminal:

composer require alibabacloud/ocr-sdk-php

Selepas pemasangan selesai, tambah kod berikut pada projek, perkenalkan SDK dan konfigurasikan ID Kunci Akses dan Rahsia Kunci Akses:

<?php
use AlibabaCloudClientAlibabaCloud;
use AlibabaCloudClientExceptionClientException;
use AlibabaCloudClientExceptionServerException;

AlibabaCloud::accessKeyClient('your-access-key-id', 'your-access-key-secret')
            ->regionId('cn-shanghai')
            ->asDefaultClient();
?>

Tukar "kunci-akses-anda- id" dalam kod di atas dan "rahsia-kunci-akses anda" dengan maklumat sebenar anda.

Langkah 3: Gunakan perkhidmatan OCR untuk mengekstrak teks PDF
Dalam skrip PHP, kita boleh menggunakan antara muka "ocr_document_recognize" yang disediakan oleh Alibaba Cloud OCR untuk mengenal pasti fail PDF dan mendapatkan teks di dalamnya.

Berikut ialah contoh kod:

try {
    $result = AlibabaCloud::rpc()
              ->product('ocr')
              ->scheme('https')
              ->version('2019-12-30')
              ->action('ocr_document_recognize')
              ->method('POST')
              ->host('ocr.cn-shanghai.aliyuncs.com')
              ->options([
                'query' => [
                  'RegionId' => 'cn-shanghai',
                  'AccessKeyId' => 'your-access-key-id',
                  'AccessKeySecret' => 'your-access-key-secret',
                ],
              ])
              ->request();
    
    // 解析返回结果
    $text = '';
    foreach ($result['Data']['Regions'] as $region) {
        foreach ($region['Lines'] as $line) {
            $text .= $line['Text'] . "
";
        }
    }
    
    // 打印提取的文字
    echo $text;

} catch (ClientException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
} catch (ServerException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
}

Ganti "id-kunci-akses-anda" dan "rahsia-kunci-akses anda" dalam kod di atas dengan maklumat sebenar anda.

Melalui langkah di atas, kami boleh menggunakan perkhidmatan PHP dan Alibaba Cloud OCR untuk mengekstrak teks daripada fail PDF dengan cepat. Anda boleh memproses dan menganalisis teks yang diekstrak selanjutnya mengikut keperluan sebenar.

Ringkasan:
Artikel ini memperkenalkan cara menggunakan perkhidmatan PHP dan Alibaba Cloud OCR untuk mengekstrak teks daripada fail PDF dengan cepat. Dengan mengkonfigurasi perkhidmatan Alibaba Cloud OCR dan memasang PHP-SDK, kami boleh menggunakan antara muka yang disediakan oleh Alibaba Cloud OCR untuk mengenal pasti fail PDF dan mengekstrak maklumat teks di dalamnya. Dengan cara ini, kami boleh melakukan pemprosesan dokumen automatik dan operasi pengekstrakan maklumat dengan mudah untuk meningkatkan kecekapan kerja.

Atas ialah kandungan terperinci Bagaimana untuk mengekstrak teks dengan cepat daripada fail PDF menggunakan PHP dan Alibaba Cloud OCR?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!