php提取pdf表格数据 php读取pdf数据

php导出word和pdf文件

1首先下一个phpexcel

为广昌等地区用户提供了全套网页设计制作服务，及广昌网站建设行业解决方案。主营业务为做网站、成都网站设计、广昌网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

2下载完成的是一个压缩文件，解压放到你的项目目录里

3.下面进入代码；

4.

//引入PHPExcel库文件（路径根据自己情况）

include './phpexcel/Classes/PHPExcel.php';

//创建对象

$excel = new PHPExcel();

//Excel表格式,这里简略写了8列

$letter = array('A','B','C','D','E','F','F','G');

//表头数组

$tableheader = array('学号','姓名','性别','年龄','班级');

//填充表头信息

for($i = 0;$i count($tableheader);$i++) {

$excel-getActiveSheet()-setCellValue("$letter[$i]1","$tableheader[$i]");

}

5.

//表格数组

$data = array(

array('1','小王','男','20','100'),

array('2','小李','男','20','101'),

array('3','小张','女','20','102'),

array('4','小赵','女','20','103')

);

//填充表格信息

for ($i = 2;$i = count($data) + 1;$i++) {

$j = 0;

foreach ($data[$i - 2] as $key=$value) {

$excel-getActiveSheet()-setCellValue("$letter[$j]$i","$value");

$j++;

}

}

6.

//创建Excel输入对象

$write = new PHPExcel_Writer_Excel5($excel);

header("Pragma: public");

header("Expires: 0");

header("Cache-Control:must-revalidate, post-check=0, pre-check=0");

header("Content-Type:application/force-download");

header("Content-Type:application/vnd.ms-execl");

header("Content-Type:application/octet-stream");

header("Content-Type:application/download");;

header('Content-Disposition:attachment;filename="testdata.xls"');

header("Content-Transfer-Encoding:binary");

$write-save('php://output');

7.打开页面，刷新的时候会弹出对话框，让你选择文件保存路径和文件名称，

8.打开表格后，数据和格式跟代码中的一致，说明PHP导出的Excel是正确的。如果出现错误，检查一下你的表格数组和数据数组吧。

php提取pdf文本和图片有谁知道原理的

I 先来取模操作，实现步骤:

1．定位图片需要识别区域，从图片中取出此部分

2．将此部分的字模提取出来，记录到字模文件中，供以后匹配使用(为了得到完整的字模，所以需要多张图片进行测试)

II进行图片文字提取，实现步骤:

1．定位图片需要识别区域，从图片中取出此部分

2．将此部分的字模提取出来，与已经保存好的字模文件中数据对比，找出此字模对应的数据即可

提取PDF表格?方法很简单！

我们在工作中经常能碰到表格存储在pdf文档里的情况，要编辑文档就需要将表格提取出来，通过tabula软件提取表格然后使用openrefine来将表格整理成原来的结构是很好的方法，小伙伴们学起来吧，再也不用为碰到pdf表格发愁啦。

1.在tabula中打开 2-China_Factsheet_compressed.pdf文件。

2.框选site information 中的表格

3.点击 preview and export extract data 按钮

4.导出.csv 文件

5.在openrefine中打开 tabula-2-China_Factsheet_compressed (2)文件

6.编码选择 utf-8，Parse next 3 line(s) as column headers 将前三行组合作为列名，并创建项目

7.分析 city列 如chongqing有两个观测站的数据，但chongqing字段在两个观测值中间，无法使用edit cells - fill down 命令。

观察数据在维度列（longitude）每个城市的所有观察值的维度相同，产生想法，根据维度列 新建一个城市列 提取数值，然后根据数值应用facet-text facet 批量更改城市名称。

8.点击longitude列，选择edit column - add columns based on this column,输入正则表达式 value.match(/(\d+)o\d*’E/)[0]，新建列名字是city_new。

9.点击edit column- move column to beginning 将city_new列移到最前面,删除原来的city列

10.选择 city_new列 facet - text facet 在左边选择blank 3

[图片上传失败...(image-f6e176-1605105762721)]\14.JPG)

11.选择 all列 edit rows - remove matching rows

12.选择 city_new列 facet - text facet 在左边点edit将longitude值批量修改为城市名称

13.选经度、维度列 editcells -transform 正则表达式处理value.replace("o",".").replace('’N','').toNumber()

value.replace("o",".").replace('’E','').toNumber()

14.选择Altitude列，edit cells - transform 正则 value.toNumber()，修改观察值类型。

\PDF table extract(tabula+openrefine)\25.JPG)

15.选择export - comma-seprated value 保持csv文件

我想用PHP读取PDF文件的内容，尤其是现在很多的扫描后转为PDF的文件，请问怎么读？

你可以从网上找一些为PHP语言编写的 pdf 扩展库，数量不少，比如：

PHP的PDF解析库 PdfParser

PdfParser 是一个标准的 PHP 库提供个用于从 PDF 文件中抽取数据的工具。它加载 PDF 文件并解析文件中对象、头和元数据，可抽取其中的文本信息，支持压缩的 PDF、MAC OS 罗马字符集编码、8进制和16进制编码。兼容 PSR-0 和 PSR-1。

示例代码：

$document = \Smalot\PdfParser\Document::parseFile('document.pdf');

$pages    = $document-getPages();

$text     = $pages[1]-getText();

PHP官方里也有一个对PDF支持的库 ： PDFlib， 你可以根据自己的需要和喜好来使用。

如何从php程序读取pdf文档中的文本信息

PHP程序pdf格式文件函数库

本函数库共有65个函数

PDF是Adobe所发展的可携式文件格式，它的文件可以在网络上传输、浏览，甚至使用印表机印出，或使用其它输出装置输出，都可以保存原来的文字及图片的编排。详细的信息可以参考 Adobe 的网站。参考其中有关 PDF 或 Acrobat 的部份。

在 UNIX 系统中，可以使用 Thomas Merz 开发的 PDF 函数库。将它编译安装完成后，再编译 PHP 程序方可供 PHP 使用 pdflib。编译时可能要 JPEG library 及 TIFF library。

除了用这个函数库可以建立 PDF 文件外，FastIO 公司发展的产品 ClibPDF 也可以处理 PDF 文件。

以下为处理 PDF 文件的范例，本例对 test.pdf 加工后等待用户读取。

?php

$fp = fopen("test.pdf", "w");

$pdf = PDF_open($fp);

pdf_set_info_author($pdf, "Uwe Steinmann");

PDF_set_info_title($pdf, "Test for PHP wrapper of PDFlib 2.0");

PDF_set_info_author($pdf, "Name of Author");

pdf_set_info_creator($pdf, "See Author");

pdf_set_info_subject($pdf, "Testing");

PDF_begin_page($pdf, 595, 842);

PDF_add_outline($pdf, "Page 1");

pdf_set_font($pdf, "Times-Roman", 30, 4);

pdf_set_text_rendering($pdf, 1);

PDF_show_xy($pdf, "Times Roman outlined", 50, 750);

pdf_moveto($pdf, 50, 740);

pdf_lineto($pdf, 330, 740);

pdf_stroke($pdf);

PDF_end_page($pdf);

PDF_close($pdf);

fclose($fp);

echo "A HREF=getpdf.php3finished/A";

?

上例中的 gettest.php3 可能像下面的样子

?php

$fp = fopen("test.pdf", "r");

header("Content-type: application/pdf");

fpassthru($fp);

fclose($fp);

?

PDF_get_info: 返回文件信息。

PDF_set_info_creator: 配置建档者字符串。

PDF_set_info_title: 配置文件标题。

PDF_set_info_subject: 配置文件主题。

PDF_set_info_keywords: 配置文件的关键字。

PDF_set_info_author: 配置文件作者。

PDF_open: 建立新的 PDF 档。

PDF_close: 关闭 PDF 档。

PDF_begin_page: 启始 PDF 文件页面。

PDF_end_page: 关闭 PDF 文件页面。

PDF_show: 输出字符串到 PDF 文件。

PDF_show_xy: 输出字符串到指定坐标。

PDF_set_font: 配置使用的字型及大小。

PDF_set_leading: 配置行距。

PDF_set_text_rendering: 配置文字表现方式。

PDF_set_horiz_scaling: 配置文字水平间距。

PDF_set_text_rise: 配置文字高度。

PDF_set_text_matrix: 配置文字矩阵。

PDF_set_text_pos: 配置文字位置。

PDF_set_char_spacing: 配置字符间距。

PDF_set_word_spacing: 配置字间距。

PDF_continue_text: 输出文字。

PDF_stringwidth: 计算字符串的宽度。

PDF_save: 储存环境变量。

PDF_restore: 还原环境变量。

PDF_translate: 移动原点。

PDF_scale: 缩放类。

PDF_rotate: 旋转类。

PDF_setflat: 配置平滑值。

PDF_setlinejoin: 配置连接参数。

PDF_setlinecap: 配置 linecap 参数。

PDF_setmiterlimit: 配置斜边界限。

PDF_setlinewidth: 配置线宽。

PDF_setdash: 配置虚线样式。

PDF_moveto: 配置处理的坐标点。

PDF_curveto: 绘贝氏曲线。

PDF_lineto: 绘直线。

PDF_circle: 绘圆。

PDF_arc: 绘弧。

PDF_rect: 绘长方形。

PDF_closepath: 形成封闭的向量形状。

PDF_stroke: 沿向量绘线。

PDF_closepath_stroke: 形成封闭的向量形状并沿向量绘线。

PDF_fill: 填满目前的向量。

PDF_fill_stroke: 填满目前的向量并沿向量绘线。

PDF_closepath_fill_stroke: 形成封闭的向量形状沿向量绘线并填满。

PDF_endpath: 关闭目前向量。

PDF_clip: 组合所有向量。

PDF_setgray_fill: 指定填入的颜色为灰阶。

PDF_setgray_stroke: 指定绘图的颜色为灰阶。

PDF_setgray: 指定绘图的颜色为灰阶并填入。

PDF_setrgbcolor_fill: 指定填入的颜色为彩色。

PDF_setrgbcolor_stroke: 指定绘图的颜色为彩色。

PDF_setrgbcolor: 指定绘图的颜色为彩色并填入。

PDF_add_outline: 目前页面加入书签。

PDF_set_transition: 配置页的转换。

PDF_set_duration: 配置二页的切换时间。

PDF_open_gif: 打开 GIF 图档。

PDF_open_memory_image: 打开内存图档。

PDF_open_jpeg: 打开 JPEG 图档。

PDF_close_image: 关闭图档。

PDF_place_image: 放置图片到 PDF 档指定位置。

PDF_put_image: 放置图片到 PDF 档。

PDF_execute_image: 放置 PDF 档中图片到指定位置。

PDF_add_annotation: 加入注释。