Comment extraire rapidement du texte de fichiers PDF à l'aide de PHP et Alibaba Cloud OCR ?

Comment extraire rapidement du texte de fichiers PDF à l'aide de PHP et Alibaba Cloud OCR ?

Introduction :
Avec l'avènement de l'ère numérique, de plus en plus de documents sont enregistrés au format PDF. Dans certains scénarios, nous devons extraire du texte de fichiers PDF pour un traitement et une analyse ultérieurs, tels que le traitement automatisé de documents, l'extraction d'informations, etc. Cet article explique comment utiliser PHP et le service Alibaba Cloud OCR pour extraire rapidement du texte à partir de fichiers PDF.

Étape 1 : Configurer le service Alibaba Cloud OCR
Tout d'abord, nous devons enregistrer et activer le service OCR sur Alibaba Cloud. Obtenez l'ID de clé d'accès et le secret de clé d'accès, puis créez une application OCR pour générer une clé sous l'application. Ces informations seront utilisées dans le code ultérieur.

Étape 2 : Installer et configurer PHP-SDK
Alibaba Cloud fournit une version PHP du SDK Nous pouvons utiliser composer pour installer et configurer rapidement le SDK. Exécutez la commande suivante dans le terminal :

composer require alibabacloud/ocr-sdk-php

Une fois l'installation terminée, ajoutez le code suivant au projet, introduisez le SDK et configurez Access Key ID et Access Key Secret :

<?php
use AlibabaCloudClientAlibabaCloud;
use AlibabaCloudClientExceptionClientException;
use AlibabaCloudClientExceptionServerException;

AlibabaCloud::accessKeyClient('your-access-key-id', 'your-access-key-secret')
            ->regionId('cn-shanghai')
            ->asDefaultClient();
?>

Changez "your-access-key- id" dans le code ci-dessus et "votre-clé-d'accès-secret" avec vos informations réelles.

Étape 3 : Utilisez le service OCR pour extraire le texte PDF
Dans le script PHP, nous pouvons utiliser l'interface "ocr_document_recognize" fournie par Alibaba Cloud OCR pour identifier le fichier PDF et obtenir le texte qu'il contient.

Ce qui suit est un exemple de code :

try {
    $result = AlibabaCloud::rpc()
              ->product('ocr')
              ->scheme('https')
              ->version('2019-12-30')
              ->action('ocr_document_recognize')
              ->method('POST')
              ->host('ocr.cn-shanghai.aliyuncs.com')
              ->options([
                'query' => [
                  'RegionId' => 'cn-shanghai',
                  'AccessKeyId' => 'your-access-key-id',
                  'AccessKeySecret' => 'your-access-key-secret',
                ],
              ])
              ->request();
    
    // 解析返回结果
    $text = '';
    foreach ($result['Data']['Regions'] as $region) {
        foreach ($region['Lines'] as $line) {
            $text .= $line['Text'] . "
";
        }
    }
    
    // 打印提取的文字
    echo $text;

} catch (ClientException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
} catch (ServerException $e) {
    echo $e->getErrorMessage() . PHP_EOL;
}

Remplacez "your-access-key-id" et "your-access-key-secret" dans le code ci-dessus par vos informations réelles.

Grâce aux étapes ci-dessus, nous pouvons utiliser le service PHP et Alibaba Cloud OCR pour extraire rapidement le texte des fichiers PDF. Vous pouvez traiter et analyser davantage le texte extrait en fonction des besoins réels.

Résumé :
Cet article explique comment utiliser PHP et le service Alibaba Cloud OCR pour extraire rapidement du texte à partir de fichiers PDF. En configurant le service Alibaba Cloud OCR et en installant PHP-SDK, nous pouvons utiliser l'interface fournie par Alibaba Cloud OCR pour identifier les fichiers PDF et en extraire des informations textuelles. De cette manière, nous pouvons facilement effectuer des opérations automatisées de traitement de documents et d’extraction d’informations pour améliorer l’efficacité du travail.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!