有没有PDFparsing器的PHP？
嗨，我知道几个PDF 生成器的PHP（FPD，DOMOMD等）我想知道的是关于一个parsing器。
由于我无法控制的原因，我需要的某些信息只能在pdf中的表格中，我需要提取该表格并将其转换为数组。
有什么build议么？
我曾经写过一个（类似的需求），我可以这样说：玩得开心。 这是一个相当复杂的任务。 PDF规范是庞大而笨拙的。 里面有几种存储文本的方法。 而且每个PDF生成器的工作原理都不相同。 所以，虽然像TFPDF或DOMPDF这样的东西创build真正容易阅读PDF（从机器的angular度来看），Acrobat使一些真正的地狱文件。
原因是它如何写文本。 大多数基于DOM的渲染器 – 我已经使用 – 将整行写成一个string，并将其定位一次（这非常容易阅读）。 Acrobat试图通过一次只写入一个或者几个字符来更高效地（并且是），并且独立地定位它们。 虽然这真的简化了渲染，但却使阅读变得更加困难。
这里的优点是PDF格式本身非常简单。 你有一些遵循常规语法的“对象”。 然后，您可以将它们链接在一起以生成内容。 该规范在描述文件格式方面做得很好。 但是现实世界的阅读需要一点脑力。
一些有用的build议，如果你要自己写：
- Adobe喜欢重新映射字体。 所以字符
65可能不会是A…你需要find一个地图对象并根据其中的字符推断它正在做什么。 而且它是有效的，因为如果一个字符没有出现在该字体的文档中，它就不包含它（如果你试图以编程方式编辑PDF，这会使生活变得困难）。 - 写得尽可能抽象。 为每个对象types和每个本地types（string，数字等）编写类。 让这些类为你parsing。 在那里会有相当多的重复，但是当你意识到你只需要调整一个特定types的东西的时候，你就可以保存自己了）…
- 写一个特定的版本或两个PDF规范，并强制执行。 检查版本号，如果它高于预期，请保释…并且不要尝试“使其工作”。 如果你想支持更新的版本，请打破规范并从那里升级parsing器。 不要试图尝试错误的方式（这不好玩）…
- 祝你好运压缩的stream。 我发现通常你不能相信长度参数来validation你正在解压的东西。 有时（对于一些发电机）它运作良好…其他的一个或多个字节closures。 我只是试图放气，如果filter匹配，然后强制长度…
- testing长度时，不要使用
strlen。 使用mb_strlen($string, '8bit')因为它会补偿不同的字符集（并允许其他字符集中的潜在无效字符）。
否则，祝你好运…
我使用PDFBox（ http://pdfbox.apache.org/ ）。 这个软件是基于java的平台独立的。 它工作快速可靠。 您可以通过exec或shell执行或通过PHP / Java-Bridge（ http://php-java-bridge.sourceforge.net/ ）
你有没有看过xPDF ？ 在那里有一个名为pdftotext的程序，将执行转换。 你可以从PHP调用它，然后阅读文本版本的PDF。 您将需要能够从PHP运行exec（）或system（），所以这可能不适用于所有托pipe的解决scheme。
另外， PHP网站上有一些例子可以将PDF转换为文本，尽pipe它很粗糙。 你也可以尝试一些这样的例子。 在该PHP页面上 ，在phpt点组织searchluc。
看看GhostScript或者ITextSharp，都有各种各样的跨平台版本。
Zend_Pdf是Zend框架的一部分。 他们的手册指出：
Zend_Pdf组件是一个PDF（可移植文档格式）操作引擎。 它可以加载，创build，修改和保存文件。 因此，它可以帮助任何PHP应用程序通过修改现有文档或从头开始生成新文档来dynamic创buildPDF文档。
它可能实际上不是PDF中的表格，因为PDF丢失了那种信息…
这是PHP PDF分析器，它存在两种风格：
- 免费版本可以parsingPDF格式的PDF 1.5格式
- 商业插件可以parsing任何PDF格式（最高1.9）
