مكتبة PHP مفتوحة المصدر لتحليل ملفات PDF

الشروع في العمل مع PDFParser

سيتم تنزيل مكتبة PDFParser تلقائيًا من خلال سطر أوامر composer . أضف PDFParser إلى ملف composer.json الخاص بك.

 { 
  "require": {
  "smalot/pdfparser": "*"
  } 
 } 

تحليل ملف PDF واستخراج النص من كل صفحة عبر PHP API

يوفر PDFParser الوظائف التي تمكن مبرمجي الكمبيوتر من تحليل مستندات PDF داخل تطبيق PHP الخاص بهم. أولاً ، تحتاج إلى إنشاء كائنات ضرورية ثم تحميل ملف PDF ، ويمكن تخزين الملف الذي تم تحليله على متغير وبعد ذلك سيسمح لك هذا الكائن بمعالجة صفحة PDF بصفحة. الآن يمكنك بسهولة استخراج النص من ملف PDF بأكمله أو بشكل منفصل حسب الصفحات. بمجرد تحليل المستند الآن ، يمكنك بسهولة استخراج النص من كل صفحة من صفحات PDF.

  // Include Composer autoloader if not already done.
  include 'vendor/autoload.php';
  // Parse Base64 encoded PDF string and build necessary objects.
  $parser = new \Smalot\PdfParser\Parser();
  $pdf  = $parser->parseContent(base64_decode($base64PDF));
  $text = $pdf->getText();
  echo $text;

استخراج البيانات الوصفية من وثيقة PDF

Metadata includes very important information about the PDF document and its contents such as Author, copyright information, creator, Creation Date and more. PDFParser gives developers the power to extract metadata from a PDF document. Once the document is parsed you can easily retrieve all details from the PDF file.

  // Metadata Extraction from PDF 
  $metaData = $pdf->getDetails();
  Array
  (
   [Producer] => Adobe Acrobat
   [CreatedOn] => 2022-01-28T16:36:11+00:00
   [Pages] => 35
  )

استخراج نص من صفحة PDF محددة

يسمح PDFParser للمطورين باستخراج نص من صفحات معينة بسهولة باستخدام كمية صغيرة من التعليمات البرمجية. تمنح واجهة برمجة التطبيقات للمطورين القدرة على التعامل مع كل صفحة من صفحات وثيقة PDF بشكل منفصل. يمكن للمطورين التكرار من خلال مجموعة الصفحات ويمكنهم استرداد النص من الصفحة التي يختارونها. ترتيب المصفوفة هو نفس ترتيب مستند PDF.

  // Extract Text from PDF via PHP
  $text = $pdf->getText();
  // or extract the text of a specific page (in this case the first page)
  $text = $pdf->getPages()[0]->getText();