php - sacar - ¿Cómo extraer texto del documento PDF?

ilovepdf

Question

¿Cómo extraer texto del documento PDF usando PHP ?

(No puedo usar otras herramientas, no tengo acceso de root)

He encontrado algunas funciones que funcionan para texto sin formato, pero no manejan bien caracteres Unicode:

http://www.hashbangcode.com/blog/zend-lucene-and-pdf-documents-part-2-pdf-data-extraction-437.html

Answer 1

Descargue la clase.pdf2text.php @ https://pastebin.com/dvwySU1a (Actualizado el 5 de abril de 2014) o http://www.phpclasses.org/browse/file/31030.html (Se requiere inscripción)

Código:

include(''class.pdf2text.php'');
$a = new PDF2Text();
$a->setFilename(''filename.pdf'');
$a->decodePDF();
echo $a->output();

La clase no funciona con todos los pdf que he probado, pruébalo y puedes tener suerte :)

Si lo anterior no funciona, intente http://pdfparser.org/

Answer 2

Sé que este tema es bastante antiguo, pero esta necesidad aún está viva. Leí muchos documentos, foros y guiones y construí uno nuevo avanzado que soporta PDF comprimido y sin comprimir:

https://gist.github.com/smalot/6183152

Espero que ayude a todos