Чтение / запись файла MS Word на PHP

Я не знаю, как читать собственные документы Word на PHP, но если вы хотите написать документ Word на PHP, WordprocessingML (он же WordML) может быть хорошим решением. Все, что вам нужно сделать, это создать XML-документ в правильном формате. Я считаю, что Word 2003 и 2007 поддерживают WordML.

Скорее всего, вы не сможете читать документы Word без COM.

Написание было описано в этом тема

Office 2007 .docx должен быть возможен, поскольку это стандарт XML. Word 2003, скорее всего, требует чтения COM, даже с учетом стандартов, которые сейчас публикуются MS, поскольку эти стандарты огромны. Я еще не видел много библиотек, написанных для них.

2007 год тоже может быть немного сложным.

Формат .docx - это zip-файл, который содержит несколько папок с другими файлами для форматирования и прочего.

Переименуйте файл .docx в .zip, и вы поймете, что я имею в виду.

Так что, если вы можете работать с zip-файлами в PHP, вы должны быть на правильном пути.

Я не знаю, для чего вы собираетесь его использовать, но мне нужна была поддержка .doc для индексации поиска; Я использовал небольшой инструмент командной строки под названием «catdoc»; Это переводит содержимое документа Word в обычный текст, чтобы его можно было проиндексировать. Если вам нужно сохранить форматирование и прочее, это не ваш инструмент.

это работает с vs <office 2007 и его чистым PHP, без дерьма COM, все еще пытается вычислить 2007

<?php



/*****************************************************************
This approach uses detection of NUL (chr(00)) and end line (chr(13))
to decide where the text is:
- divide the file contents up by chr(13)
- reject any slices containing a NUL
- stitch the rest together again
- clean up with a regular expression
*****************************************************************/

function parseWord($userDoc) 
{
    $fileHandle = fopen($userDoc, "r");
    $line = @fread($fileHandle, filesize($userDoc));   
    $lines = explode(chr(0x0D),$line);
    $outtext = "";
    foreach($lines as $thisline)
      {
        $pos = strpos($thisline, chr(0x00));
        if (($pos !== FALSE)||(strlen($thisline)==0))
          {
          } else {
            $outtext .= $thisline." ";
          }
      }
     $outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@/\_\(\)]/","",$outtext);
    return $outtext;
} 

$userDoc = "cv.doc";

$text = parseWord($userDoc);
echo $text;


?>

Чтение двоичных документов Word потребует создания парсера в соответствии с опубликованными спецификациями формата файла для формата DOC. Я считаю, что это нереально возможное решение.

Вы можете использовать Форматы Microsoft Office XML для чтения и записи файлов Word - это совместимо с версиями Word 2003 и 2007 годов. Для чтения вы должны убедиться, что документы Word сохранены в правильном формате (в Word 2007 он называется XML-документ Word 2003). Для написания вам просто нужно следовать открытой XML-схеме. Я никогда не использовал этот формат для записи документов Office из PHP, но я использую его для чтения в листе Excel (естественно сохраненного как XML-Spreadsheet 2003) и отображения его данных на веб-странице. Поскольку файлы представляют собой просто XML-данные, нет проблем с перемещением по ним и выяснением того, как извлечь нужные данные.

Другой вариант - вариант только для Word 2007 (если форматы файлов OpenXML не установлены в вашем Word 2003) - это возврат к OpenXML. Как база данных указал на здесь, формат файла DOCX - это просто ZIP-архив с включенными файлами XML. На MSDN есть много ресурсов, касающихся формата файла OpenXML, поэтому вы сможете понять, как читать нужные данные. Я думаю, что писать будет намного сложнее - это просто зависит от того, сколько времени вы потратите.

Возможно, вы можете взглянуть на PHPExcel, библиотеку, способную записывать в файлы Excel 2007 и читать из файлов Excel 2007 с использованием стандарта OpenXML. Вы можете получить представление о работе, связанной с чтением и записью документов OpenXML Word.

Подойдет ли формат .rtf для ваших целей? .rtf можно легко преобразовать в формат .doc и из него, но он записывается в виде обычного текста (со встроенными управляющими командами). Вот как я планирую интегрировать свое приложение с документами Word.

phpLiveDocx - это компонент Zend Framework, который может читать и записывать файлы DOC и DOCX в PHP в Linux, Windows и Mac.

См. Веб-сайт проекта по адресу:

http://www.phplivedocx.org

Вы можете использовать Antiword, это бесплатная программа для чтения MS Word для Linux и самой популярной ОС.

$document_file = 'c:\file.doc';
$text_from_doc = shell_exec('/usr/local/bin/antiword '.$document_file);

www.phplivedocx.org - это сервис на основе SOAP, что означает, что вам всегда нужно быть в сети для тестирования файлов, также нет достаточного количества примеров для его использования. Как ни странно, я обнаружил, что только через 2 дня загрузки (также требуется дополнительная структура zend), что это программа на основе SOAP (проклял меня !!!) ... Я думаю, что без COM это просто невозможно на сервере Linux, и единственная идея состоит в том, чтобы измените файл документации в другом используемом файле, который PHP может анализировать ...

даже я работаю над таким же проектом [текстовый процессор Onlinw]! Но я выбрал C# .net и ASP.net. Но через опрос я сделал; я должен знать это

By Using Open XML SDK and VSTO [Visual Studio Tools For Office]

мы можем легко работать с текстовыми файлами, манипулировать ими и даже внутренне преобразовывать их в различные форматы, такие как .odt, .pdf, .docx и т. д.

So, goto msdn.microsoft.com and be thorough about the office development tab. Its the easiest way to do this as all functions we need to implement are already available in .net!!

Но поскольку вы хотите сделать свой проект на PHP, вы можете сделать это в Visual Studio и .net, поскольку PHP также является одним из языков, совместимых с .net !!

У меня такой же случай Думаю, я собираюсь использовать дешевый 50-мегапиксельный хостинг на базе Windows с бесплатным доменом, чтобы использовать его для преобразования моих файлов на PHP-сервере. И связать их легко. Все, что вам нужно, это создать страницу ASP.NET, которая получает файл документа по почте и отвечает на него через HTTP. такой простой CURL сделает это.

Просто обновляю код

<?php

/*****************************************************************
This approach uses detection of NUL (chr(00)) and end line (chr(13))
to decide where the text is:
- divide the file contents up by chr(13)
- reject any slices containing a NUL
- stitch the rest together again
- clean up with a regular expression
*****************************************************************/

function parseWord($userDoc) 
{
    $fileHandle = fopen($userDoc, "r");
    $word_text = @fread($fileHandle, filesize($userDoc));
    $line = "";
    $tam = filesize($userDoc);
    $nulos = 0;
    $caracteres = 0;
    for($i=1536; $i<$tam; $i++)
    {
        $line .= $word_text[$i];

        if ( $word_text[$i] == 0)
        {
            $nulos++;
        }
        else
        {
            $nulos=0;
            $caracteres++;
        }

        if ( $nulos>1996)
        {   
            break;  
        }
    }

    //echo $caracteres;

    $lines = explode(chr(0x0D),$line);
    //$outtext = "<pre>";

    $outtext = "";
    foreach($lines as $thisline)
    {
        $tam = strlen($thisline);
        if ( !$tam )
        {
            continue;
        }

        $new_line = ""; 
        for($i=0; $i<$tam; $i++)
        {
            $onechar = $thisline[$i];
            if ( $onechar > chr(240) )
            {
                continue;
            }

            if ( $onechar >= chr(0x20) )
            {
                $caracteres++;
                $new_line .= $onechar;
            }

            if ( $onechar == chr(0x14) )
            {
                $new_line .= "</a>";
            }

            if ( $onechar == chr(0x07) )
            {
                $new_line .= "\t";
                if ( isset($thisline[$i+1]) )
                {
                    if ( $thisline[$i+1] == chr(0x07) )
                    {
                        $new_line .= "\n";
                    }
                }
            }
        }
        //troca por hiperlink
        $new_line = str_replace("HYPERLINK" ,"<a href = ",$new_line); 
        $new_line = str_replace("\o" ,">",$new_line); 
        $new_line .= "\n";

        //link de imagens
        $new_line = str_replace("INCLUDEPICTURE" ,"<br><img src = ",$new_line); 
        $new_line = str_replace("\*" ,"><br>",$new_line); 
        $new_line = str_replace("MERGEFORMATINET" ,"",$new_line); 


        $outtext .= nl2br($new_line);
    }

 return $outtext;
} 

$userDoc = "custo.doc";
$userDoc = "Cultura.doc";
$text = parseWord($userDoc);

echo $text;


?>

Один из способов управления файлами Word с помощью PHP, который может вас заинтересовать, - это PHPDocX. Вы можете увидеть, как это работает, взглянув на его онлайн-учебник. Вы можете вставлять или извлекать содержимое или даже объединять несколько файлов Word в один.

Источник получен из

Use following class directly to read word document

class DocxConversion{
    private $filename;

    public function __construct($filePath) {
        $this->filename = $filePath;
    }

    private function read_doc() {
        $fileHandle = fopen($this->filename, "r");
        $line = @fread($fileHandle, filesize($this->filename));   
        $lines = explode(chr(0x0D),$line);
        $outtext = "";
        foreach($lines as $thisline)
          {
            $pos = strpos($thisline, chr(0x00));
            if (($pos !== FALSE)||(strlen($thisline)==0))
              {
              } else {
                $outtext .= $thisline." ";
              }
          }
         $outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@/\_\(\)]/","",$outtext);
        return $outtext;
    }

    private function read_docx(){

        $striped_content = '';
        $content = '';

        $zip = zip_open($this->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;
    }

 /************************excel sheet************************************/

function xlsx_to_text($input_file){
    $xml_filename = "xl/sharedStrings.xml"; //content file name
    $zip_handle = new ZipArchive;
    $output_text = "";
    if (true === $zip_handle->open($input_file)){
        if (($xml_index = $zip_handle->locateName($xml_filename)) !== false){
            $xml_datas = $zip_handle->getFromIndex($xml_index);
            $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
            $output_text = strip_tags($xml_handle->saveXML());
        }else{
            $output_text . = "";
        }
        $zip_handle->close();
    }else{
    $output_text . = "";
    }
    return $output_text;
}

/*************************power point files*****************************/
function pptx_to_text($input_file){
    $zip_handle = new ZipArchive;
    $output_text = "";
    if (true === $zip_handle->open($input_file)){
        $slide_number = 1; //loop through slide files
        while(($xml_index = $zip_handle->locateName("ppt/slides/slide".$slide_number.".xml")) !== false){
            $xml_datas = $zip_handle->getFromIndex($xml_index);
            $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
            $output_text .= strip_tags($xml_handle->saveXML());
            $slide_number++;
        }
        if ($slide_number == 1){
            $output_text . = "";
        }
        $zip_handle->close();
    }else{
    $output_text . = "";
    }
    return $output_text;
}


    public function convertToText() {

        if (isset($this->filename) && !file_exists($this->filename)) {
            return "File Not exists";
        }

        $fileArray = pathinfo($this->filename);
        $file_ext  = $fileArray['extension'];
        if ($file_ext == "doc" || $file_ext == "docx" || $file_ext == "xlsx" || $file_ext == "pptx")
        {
            if ($file_ext == "doc") {
                return $this->read_doc();
            } elseif ($file_ext == "docx") {
                return $this->read_docx();
            } elseif ($file_ext == "xlsx") {
                return $this->xlsx_to_text();
            }elseif ($file_ext == "pptx") {
                return $this->pptx_to_text();
            }
        } else {
            return "Invalid File Type";
        }
    }

}

$docObj = new DocxConversion("test.docx"); //replace your document name with correct extension doc or docx 
echo $docText= $docObj->convertToText();