PDF mittels PHP einlesen

[exo]

Hallo Leute,

ich bin schon seit einer ganzen weile auf der Suche nach einer Möglichkeit durchsuchbare PDF-Dateien mittels PHP einzulesen. Mir geht es hauptsächlich darum, nach einem bestimmten Text zu suchen, um diese PDFs leichter zuordnen zu können.

Nach einer ganzen Weile der Suche habe ich folgende Klasse entdeckt, welche auch an sich funktioniert:



Leider jedoch nur bis PDF 1.3

Sobald man z. B. mit gewissen Tools eine OCR über den Text laufen lässt, und diese dann in PDF 1.4 gespeichert wird, funktioniert das ganze schon wieder nicht wirklich, jedoch habe ich noch keinerlei Ahnung warum das so ist... vielleicht hat ja noch irgend Jemand von euch eine Idee dazu....

Grüße

Micha

 

[Duddle]

AW: PDF mittels PHP einlesen

Wenn es nur um das Suchen eines bestimmten Stichwortes geht, würde ich das PDF mit pdftotext auslesen. Auf Linux-basierten Betriebssystemen ist das in der Regel schon installiert. Für Windows gibt es einen Port.

Dann müsstest du nur das PDF in Text umwandeln, den du sehr leicht in PHP verarbeiten kannst. Theoretisch könntest du auch ein grep drüberjagen, wenn der Anwendungsfall es erlaubt.


Duddle

 

[rafoldi]

AW: PDF mittels PHP einlesen

Wenn es nur um das Suchen eines bestimmten Stichwortes geht, würde ich das PDF mit pdftotext auslesen. Auf Linux-basierten Betriebssystemen ist das in der Regel schon installiert. Für Windows gibt es einen Port.

Dann müsstest du nur das PDF in Text umwandeln, den du sehr leicht in PHP verarbeiten kannst. Theoretisch könntest du auch ein grep drüberjagen, wenn der Anwendungsfall es erlaubt.


Duddle

Vorsicht, PDF-A und manch andere PDF's (PW geschützt) haben nur ein Bild enthalten. Da hilft auch nur eine OCR. Und dieses Thema setzt dann schon einen Prozess voraus der im Vorfeld die Daten als Datei exportiert, am besten als TXT File, dieses mittels grep oder PHP auszulesen ist dann sicherlich kein Thema.