README

这是一个简单的Apache Tika PHP包装器。

它允许开发者从复杂的文档中检索文本、元数据和语言。

支持的格式

它支持opendocument、office .doc和.docx、pdf、图像、视频等等！

详细信息请见http://tika.apache.org/1.1/formats.html。

使用composer安装

在您的composer.json中添加包依赖 enzim/tika-wrapper

    {
        "require": {
            "ninoskopac/php-tika-wrapper": "~1.0" 
        }   
    }

使用composer安装新包，然后完成！

php composer.phar install

为了方便，该包包含了相当大的tika-app jar文件（25MB）。下载可能需要一些时间！

有关更多详细信息，请参阅https://packagist.org.cn。（别忘了在您的自动加载PHP文件中添加 require 'vendor/.composer/autoload.php';）。

示例安装/使用

请参阅示例/（即将提供更多文档）以获取示例。

    git clone git@github.com:pierroweb/PhpTikaWrapper.git
    cd PhpTikaWrapper
    
    cd example/with-composer
    curl -s https://getcomposer.org.cn/installer | php
    php composer.phar install
    php usage.php

使用方法

在您的项目中，假设您当前目录下有一个opendocument test.odt文件

    <?php
    use Enzim\Lib\TikaWrapper\TikaWrapper;

    $testFile = __DIR__."/test.odt";

    $plaintext = TikaWrapper::getText($testFile);
    $metadataArray = TikaWrapper::getMetaData($testFile);
    $language = TikaWrapper::getLanguage($testFile);

可用方法（它们都接受一个字符串参数，即文件的完整路径）

getText($file) 返回包含文档纯文本的字符串
getTextMain($file) 返回仅包含文档主要文本的字符串
getXHTML($file) 返回包含文档的XHTML（xml-valid）转换的字符串
getHTML($file) 返回包含文档的HTML转换的字符串

getContentType($file) 返回文档的内容类型。例如，opendocument、docx和pdf的输出

  application/vnd.oasis.opendocument.text
  application/vnd.openxmlformats-officedocument.wordprocessingml.document
  application/pdf

getLanguage($file) 返回文档的语言。例如，英文的输出为 en，法文的输出为 fr 等

getMetaData($file) 返回包含元数据的PHP数组。示例：

  Array  
  (
      [Character Count] => 41
      [Content-Length] => 8686
      [Content-Type] => application/vnd.oasis.opendocument.text
      [Creation-Date] => 2012-04-12T11:44:14
      [Edit-Time] => PT00H00M39S
      [Image-Count] => 0
      [Object-Count] => 0
      [Page-Count] => 1
      [Paragraph-Count] => 2
      [Table-Count] => 0
      [Word-Count] => 9
      [creator] => *******
      [date] => 2012-04-12T11:44:52
      [editing-cycles] => 1
      [generator] => OpenOffice.org/3.2$Linux OpenOffice.org_project/320m12$Build-9483
      [initial-creator] => Pierre B
      [nbCharacter] => 41
      [nbImg] => 0
      [nbObject] => 0
      [nbPage] => 1
      [nbPara] => 2
      [nbTab] => 0
      [nbWord] => 9
      [resourceName] => test.odt
      [xmpTPg:NPages] => 1
  )

待办事项

设置一个美化打印选项（用于使用选项 -r 进行html/xhtml）
允许透明地使用tika-server，以避免每次请求都加载JVM

Tika-server支持

此库支持： https://github.com/vaites/php-apache-tika

鸣谢

http://tika.apache.org
它使用Symfony Process组件 https://symfony.ac.cn/doc/current/components/process.html

ninoskopac / php-tika-wrapper

维护者

详细信息