如何用 PHP 從 Microsoft Office 文件中提取文字？

使用 PHP 從 Microsoft Office 文件中提取文字

從上傳的 Word 文件中檢索文字可能具有挑戰性。本文介紹了從不同 Microsoft Office 文件格式（.doc、.docx、.xlsx、.pptx）中高效提取文字並將其儲存在資料庫中以便於搜尋的解決方案。

.doc 的解決方案和 .docx 檔案

檔案副檔名為 .doc 或 .docx 的文件可以使用DocxConversion 類別。它提供了兩種方法：

read_doc() 用於 .doc 文件，它使用 fopen 將檔案作為二進位 blob 讀取。

read_docx() 對於.docx 文件，它將它們解釋為包含XML 的壓縮zip 文件

.xlsx 文件的解決方案（Excel）

對於Excel 檔案（.xlsx），使用xlsx_to_text() 函數。它將檔案作為 zip 存檔打開，並提取包含文字資料的 sharedStrings.xml 檔案。

.pptx 檔案的解決方案 (PowerPoint)

類似地， pptx_to_text() 處理 PowerPoint 檔案 (.pptx)。它將文件作為 zip 存檔打開，並迭代各個幻燈片 XML 文件，提取文字。

用法

要使用這些函數，請建立一個新實例DocxConversion 類別並呼叫 ConvertToText() 方法。它將確定文件類型並應用適當的文本提取方法。

用法示例：

$docObj = new DocxConversion("test.docx");
$docText = $docObj->convertToText();
echo $docText;

優點

該解決方案具有多項優勢：

• 高效率從各種Office 檔案格式中提取文字。
• 將擷取的文字儲存在資料庫中，以便快速搜尋。
• 處理二進位 (.doc) 和壓縮 (.docx) Word 文件。
• 也可容納 Excel 和 PowerPoint 文件。

以上是如何用 PHP 從 Microsoft Office 文件中提取文字？的詳細內容。更多資訊請關注PHP中文網其他相關文章！