php使用PdfParser搭配tcpdf解析pdf文件

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

前几天客户提出一个需求，就是在前台页面搜索文章时，若搜索词在文章附件的pdf文件中有出现的话就要将该文章作为搜索结果。我的思路是后台发布文章时循环检测每一个附件的格式，若附件格式为pdf的话就将里面的文字读取出来 追加到一个$string变量里，然后将$string的作为一个file_text字段的信息保存到数据库后面做搜索的时候使用。

我参考的一个回答地址是：https://baijiahao.baidu.com/s?id=1572245039857772&wfr=spider&for=pc

 $parser = new \Smalot\PdfParser\Parser();
        // 调用解析方法，参数为pdf文件路径，返回结果为Document类对象
        $document = $parser->parseFile($path);
        // 获取所有的页
        $pages = $document->getPages();
        // // 逐页提取文本
        $text = ”;
        foreach($pages as $page){

        $text.= $page->getText();
         }
         echo $text;

结果如下图，已经把pdf文件里面的文字读取出来了（扫描件合成的pdf因为好像都是图片所以是读不出来内容的，编辑一个doc文件然后输出为pdf文件这样的就可以将文字读取出来），之后要这么处理就看你自己的需求啦~~~~

当然，你想自己折腾一下的话就继续往下看

ok，现在我们就使用PdfParser搭配tcpdf来读取pdf文件里面的内容。

pdfparser 下载地址 ：http://www.pdfparser.org/

下载好pdfparser 后将src里面的Smalot文件夹复制出来（后面下载好的tcpdf文件夹也放到该目录下）

TCPDF 类库下载地址：https://tcpdf.org/

文件目录如图示：

然后将Smalot这个文件夹放到ThinkPHP下面的library

若你用的是tp3.2.3的话还要将pdfparser 里面的类名改成testCotroller.class.php这种格式（3.2.3官方建议这种格式），tcpdf里面的include文件夹里面的类也改。如果使用的是tp5的话就不用

然后将TCPDF文件夹下的include文件夹改名为includes（不知道是不是与引入文件的include关键字冲突，或者改为你喜欢的名字也行）,对应include下类的命名空间也改下路径。

然后将TCPDF 下的TcpdfParser类下的

require_once(dirname(__FILE__).’/include/tcpdf_filters.class.php’);

改成use Smalot\TCPDF\includes\tcpdf_filters as TCPDF_FILTERS;

原因好像是使用require_once引入filters这个类的之后TcpdfParser这个类里面就有了两个命名空间，tp规定一个类里面只能有一个命名空间。

整完了这些就可以像前面那样自己写方法去调用啦。

第一次跑不通的话就自己给点耐心打断点慢慢调试。。。。。。。

tp5的话经一位老哥测试将smalot放到extend扩展文件夹，里面的类名根据你的框架配置看是否需要加.class,，然后按上面的原理调用就可以了，其他框架应该也是这个理~~

老哥还反映我那个TCPDF文件太大，删除掉一部分之后还是可以运行，下图是阉割之后的tcpdf <狗头~/>