如何在 PHP 中读取和提取 DOCX 文件中的文本？

在 PHP 中读取 DOCX 文件

尝试在 PHP 中读取 DOCX 文件时，用户可能会遇到输出中出现乱码的问题。出现此问题的主要原因是 DOCX 文件是需要专门处理的压缩包。以下代码演示了如何在 PHP 中读取和处理 DOCX 文件：

<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>

此代码使用 PHP ZIP 扩展名将 DOCX 文件作为 zip 包打开。然后，它在 zip 包中找到“word/document.xml”文件，其中包含文档的文本内容。然后通过替换标签和剥离 HTML 标签来提取和清理内容。然后可以根据需要显示或处理生成的文本。

以上是如何在 PHP 中读取和提取 DOCX 文件中的文本？的详细内容。更多信息请关注PHP中文网其他相关文章！