Read PDF and Word DOC Files Using PHP

PHPでWordのdocファイルやPDFをテキストとして読み取る方法が紹介されていました。

XPDF package、Antiword というプログラムをshell_execで外部起動するだけなのですが、WordやPDF用の検索のインデックスを作成する時など、なかなかこれは便利そうです。

PDFの場合は、XPDFパッケージをインストールして入るコマンドのpdftotext にファイル名を渡します。最後の - も必要みたい。
$content = shell_exec('/usr/local/bin/pdftotext '.$filename.' -'); //dash at the end to output content
これで $content にpdfのテキストが入る

Wordの場合も同様に、Antiwordをインストールして入る antiword コマンドにファイル名を渡すだけ。
$content = shell_exec('/usr/local/bin/antiword '.$filename);
これで $content に wordのテキストが入る。

覚えておいて損はなさそうですね。

関連エントリ

• PHPからWord、Excel、PowerPointのドキュメントを生成するサンプル
• PHPからWordやPowerPointのファイルを作る方法
• PHPでPDFファイルを作成するFPDFの進化版『TCPDF』