是否有PHP的PDF解析器？

Question

嗨，我知道几个PDF Generators for php（fpdf，dompdf等） 我想知道的是解析器。

由于我无法控制的原因，我需要的某些信息仅在pdf中的表格中 我需要提取该表并将其转换为数组。

有什么建议吗？

Answer 1

我之前写了一篇（针对类似的需求），我可以这样说：玩得开心。这是一项非常复杂的任务。 PDF specification很大且很笨重。有几种方法可以在其中存储文本。而且每个PDF生成器的工作方式都不同。因此，虽然像TFPDF或DOMPDF这样的东西创造了非常容易阅读的PDF（从机器的角度来看），Acrobat制作了一些非常地狱般的文档。

原因是它如何写文本。大多数基于DOM的渲染器 - 我已经使用过 - 将整行写成一个字符串，并将其定位一次（这非常容易阅读）。 Acrobat通过一次只写一个或几个字符并独立定位它们来尝试提高效率（并且确实如此）。虽然这真的简化了渲染，但它使阅读变得更加困难。

这方面的好处是，PDF格式本身非常简单。您有“对象”遵循常规语法。然后，您可以将它们链接在一起以生成内容。该规范在描述文件格式方面做得很好。但现实世界的阅读需要一点脑力......

一些有用的建议，如果你要自己写，我必须学习很多方法：

1. Adob​​e喜欢重新映射字体。因此，65字符可能不是A ...您需要找到一个地图对象，并根据其中的字符推断出它正在做什么。并且它是高效的，因为如果字符没有出现在该字体的文档中，它不包括它（如果您尝试以编程方式编辑PDF，这将使生活变得困难）......
2. 尽可能将其写为摘要。为每个对象类型和每个本机类型（字符串，数字等）编写类。让这些课程为你解析。那里会有相当多的重复，但是当你意识到你需要为一种特定的类型调整一些东西时，你最终会保存自己...）
3. 编写特定版本或两个PDF规范，并强制执行。检查版本号，如果它高于您的预期，请保释......并且不要试图“让它工作”。如果您想支持更新的版本，请从中分解规范并升级解析器。不要试图以自己的方式试错（这不好玩）......
4. 祝你好运。我发现通常你不能相信长度参数来验证你解压缩的内容。有时（对于某些生成器）它运行良好...其他它是一个或多个字节。如果过滤器匹配，我只是尝试放气，然后强制长度......
5. 测试长度时，请勿使用strlen。使用mb_strlen($string, '8bit')，因为它将补偿不同的字符集（并允许其他字符集中可能存在无效字符）。

否则，祝你好运......

Answer 2

我使用PDFBox（http://pdfbox.apache.org/）。该软件基于Java并且与平台无关。它工作快速可靠。您可以通过exec或shell执行或通过PHP / Java-Bridge（http://php-java-bridge.sourceforge.net/）

来使用它

Answer 3

你看过xPDF了吗？那里有一个名为pdftotext的程序可以进行转换。您可以从PHP调用它，然后阅读PDF的文本版本。您需要能够从php运行exec（）或system（），因此这可能不适用于所有托管解决方案。

此外，PHP site上有一些将PDF转换为文本的示例，尽管它非常粗糙。您可能还想尝试其中一些示例。在PHP page上，在phpt dot org上搜索luc。

Answer 4

看看GhostScript或ITextSharp，两者都有各种跨平台版本。

Answer 5

Zend_Pdf是Zend Framework的一部分。他们的手册说明：

  

Zend_Pdf组件是PDF   （便携式文件格式）   操纵引擎。它可以加载，   创建，修改和保存文档。   因此它可以帮助任何PHP应用程序   通过动态创建PDF文档   修改现有文件或   从头开始创造新的。

Answer 6

PDF可能实际上不是PDF中的表格，因为PDF会丢失这类信息......

Answer 7

This 是PHP PDF解析器，它有两种版本：

1. 免费版可以解析PDF格式PDF 1.5
2. 商业插件可以解析任何PDF格式（最新版本为1.9）