如何在 PHP 中正确解析 .DOC 文件并避免字符解释错误？

在 PHP 中读取 .DOC 文件

由于二进制格式，在 PHP 中读取 .DOC 文件可能具有挑战性。不过，您可以使用某人提供的代码来解析它们，但这可能会导致字符解释不正确。

要解决此问题，您需要进行以下修改：

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

此更改将字符 chr(0x0D) 替换为 chr(0x0A)。 Windows 将换行符存储为 rn（回车加换行），而 UNIX 系统使用 n（仅换行）。通过使用 chr(0x0D)，您正在处理 DOS/Windows 换行符，但文件以 Unix 格式存储。

此外，请考虑使用以下代码在 PHP 中读取 .docx 文件：

<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>

此代码：

• 以 ZIP 存档形式打开 .docx 文件。
• 提取“word/document.xml”文件。
• 解析XML内容。
• 删除不必要的标签和字符。
• 返回解析后的文本内容。

以上是如何在 PHP 中正确解析 .DOC 文件并避免字符解释错误？的详细内容。更多信息请关注PHP中文网其他相关文章！