PHP で .DOC ファイルを適切に解析し、文字解釈エラーを回避する方法

PHP での .DOC ファイルの読み取り

PHP での .DOC ファイルの読み取りは、バイナリ形式のため難しい場合があります。ただし、誰かが提供したコードを使用してこれらを解析することはできますが、文字が正しく解釈されない可能性があります。

この問題を解決するには、次の変更を行う必要があります:

<code class="php">$line = @fread($fileHandle, filesize($userDoc));
$lines = explode(chr(0x0A),$line);</code>

この変更により、文字 chr(0x0D) が chr(0x0A) に置き換えられます。 Windows では改行を rn (キャリッジ リターンとライン フィード) として保存しますが、UNIX システムでは n (ライン フィードのみ) を使用します。 chr(0x0D) を使用すると、DOS/Windows の改行文字が扱われますが、ファイルは Unix 形式で保存されます。

さらに、PHP で .docx ファイルを読み取る次のコードを考慮してください。

<code class="php">function read_file_docx($filename){

    $striped_content = '';
    $content = '';

    if(!$filename || !file_exists($filename)) return false;

    $zip = zip_open($filename);

    if (!$zip || is_numeric($zip)) return false;

    while ($zip_entry = zip_read($zip)) {

        if (zip_entry_open($zip, $zip_entry) == FALSE) continue;

        if (zip_entry_name($zip_entry) != "word/document.xml") continue;

        $content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));

        zip_entry_close($zip_entry);
    }// end while

    zip_close($zip);

    $content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content);
    $content = str_replace('</w:r></w:p>', "\r\n", $content);
    $striped_content = strip_tags($content);

    return $striped_content;
}</code>

このコード:

• .docx ファイルを ZIP アーカイブとして開きます。
• 「word/document.xml」ファイルを抽出します。
• XML コンテンツを解析します。
• 不要なタグと文字を削除します。
• 解析されたテキスト コンテンツを返します。

以上がPHP で .DOC ファイルを適切に解析し、文字解釈エラーを回避する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。