pdf to text

Extraer texto de un pdf

Este paquete proporciona una clase para extraer texto de un pdf.

 use Spatie  PdfToText  Pdf ;

echo Pdf:: getText ( ' book.pdf ' ); //returns the text from the pdf

Spatie es una agencia de diseño web con sede en Amberes, Bélgica. Encontrará una descripción general de todos nuestros proyectos de código abierto en nuestro sitio web.

Apóyanos

Invertimos muchos recursos en la creación de los mejores paquetes de código abierto. Puedes apoyarnos comprando uno de nuestros productos pagos.

Agradecemos mucho que nos envíe una postal desde su ciudad natal, mencionando cuál de nuestros paquetes está utilizando. Encontrarás nuestra dirección en nuestra página de contacto. Publicamos todas las postales recibidas en nuestro muro virtual de postales.

Requisitos

Detrás de escena, este paquete aprovecha pdftotext. Puede verificar si el binario está instalado en su sistema emitiendo este comando:

which pdftotext

Si está instalado, devolverá la ruta al binario.

Para instalar el binario puedes usar este comando en Ubuntu o Debian:

apt-get install poppler-utils

En una Mac puedes instalar el binario usando Brew.

brew install poppler

Si estás en RedHat, CentOS, Rocky Linux o Fedora usa esto:

yum install poppler-utils

Instalación

Puede instalar el paquete a través del compositor:

composer require spatie/pdf-to-text

Uso

Extraer texto de un pdf es fácil.

 $ text = ( new Pdf ())
    -> setPdf ( ' book.pdf ' )
    -> text ();

O más fácil:

 echo Pdf:: getText ( ' book.pdf ' );

De forma predeterminada, el paquete asumirá que el comando pdftotext se encuentra en /usr/bin/pdftotext . Si está ubicado en otro lugar, pase su ruta binaria al constructor.

 $ text = ( new Pdf ( ' /custom/path/to/pdftotext ' ))
    -> setPdf ( ' book.pdf ' )
    -> text ();

o como segundo parámetro del método estático getText :

 echo Pdf:: getText ( ' book.pdf ' , ' /custom/path/to/pdftotext ' );

A veces es posible que desee utilizar las opciones de pdf a texto. Para hacerlo, puede configurarlos utilizando el método setOptions .

 $ text = ( new Pdf ())
    -> setPdf ( ' table.pdf ' )
    -> setOptions ([ ' layout ' , ' r 96 ' ])
    -> text ()
;

o como tercer parámetro del método estático getText :

 echo Pdf:: getText ( ' book.pdf ' , null , [ ' layout ' , ' opw myP1$$Word ' ]);

Tenga en cuenta que las llamadas sucesivas a setOptions() sobrescribirán las opciones pasadas durante llamadas anteriores.

Si necesita realizar varias llamadas para agregar opciones (por ejemplo, si necesita pasar opciones predeterminadas al crear el objeto Pdf desde un contenedor y luego agregar opciones específicas del contexto en otro lugar), puede usar el método addOptions() :

 $ text = ( new Pdf ())
    -> setPdf ( ' table.pdf ' )
    -> setOptions ([ ' layout ' , ' r 96 ' ])
    -> addOptions ([ ' f 1 ' ])
    -> text ()
;

Registro de cambios

Consulte CHANGELOG para obtener más información sobre los cambios recientes.

Pruebas

 composer test 

Contribuyendo

Consulte CONTRIBUCIÓN para obtener más detalles.

Seguridad

Si encuentra un error relacionado con la seguridad, envíe un correo electrónico a [email protected] en lugar de utilizar el rastreador de problemas.

Créditos

• Freek Van der Herten
• Todos los contribuyentes

Acerca de Spatie

Spatie es una agencia de diseño web con sede en Amberes, Bélgica. Encontrará una descripción general de todos nuestros proyectos de código abierto en nuestro sitio web.

Licencia

La Licencia MIT (MIT). Consulte el archivo de licencia para obtener más información.