README

PHP 库，使用各种驱动程序和策略从各种文档中提取文本。

支持每种文件扩展名/媒体类型的多个提取器。

使用方法

库有两种操作模式，两种子模式。模式：1.) 使用一种提取策略并让库完成所有工作（需要 fileinfo PHP 扩展）；或 2.) 获取您的文件类型提取器（通过明确指定媒体类型或文件扩展名）并手动使用它们。

子模式：a) 使用文件路径操作，或 b) 使用字符串中的文件内容操作

使用 composer 安装

composer require teon/text-extraction

通用使用方法

1.) 完全自动模式

// Instantiate
$TextExtraction = new \Teon\Text\Extraction\Extraction();

// Submode a):
$text1 = $TextExt->fromFile($filePath);

// Submode b):
$text2 = $TextExt->fromString($fileContent);

2.) 手动提取器选择模式

// Instantiate
$TextExtraction    = new \Teon\Text\Extraction\ExtractorRegistry();
$ExtractorRegistry = $TextExtraction->getRegistry();

// Get appropriate extractors
$extractors1 = $ExtractorRegistry->getByMediaType($fileMediaType);
$extractors2 = $ExtractorRegistry->getByExtension($fileExtension);

// Do your magic to decide which extractor to use
$Extractor1 = $extractors1[0];
$Extractor2 = $extractors2[0];

// Submode a):
$text1 = $Extractor1->fromFile($filePath);

// Submode b):
$text2 = $Extractor2->fromString($fileContent);

在使用之前，您可以重新配置它

// Get default configuration
$config = \Teon\Text\Extraction\Extraction::getDefaultConfiguration();

// Adjust it
$config['strategy']['class'] = "\\My\\Super\\Dooper\\TextExtractionStrategy"

// Instantiate with adjusted configuration
$TextExtraction = new \Teon\Text\Extraction\Extraction($config);

// Start using it
// ...

在框架中使用：Symfony

使用上面描述的方法安装 composer

composer require teon/text-extraction

调整配置设置（app/config/config.yml 或 parameters.yml）

teon_text_extraction:
    strategy:
        class: ConcatOutput
    extractor:
        pdfocr:
            enabled: true
            command: my-convert-pdf-to-tiff-and-run-tesseract.sh

查看 Resources/config/config.yml 文件了解可调整的内容，或打印默认配置。

注册捆绑包

/*
 * FILE: app/AppKernel.php
 */
    // ...
    public function registerBundles()
    {
        $bundles = array(
            // ...
            new Teon\Text\Extraction\TeonTextExtractionBundle(),
            // ...
        );

        return $bundles;
    }
    // ...

在控制器中使用

/*
 * FILE:  src/YourApp/Controller/TextExtractionController.php
 */
    // ...
    public function extractAction ()
    {
        // Get service
        $TextExtraction = $this->get('teon_text_extraction');

        // See section "General usage" above
        // ...
    }
    // ...

teon / text-extraction

维护者

详细信息