[PHP] Zliczanie, ilości znaków ze spacją i bez spacji oraz akapitów w plikach docx Opcje

[turek93]

Dzień dobry,
jestem nowym użytkownikiem forum, a sprowadza mnie tu potrzeba związana z liczeniem znaków.

Potrzebuję skryptu zliczającego ilość znaków ze spacją, bez spacji oraz ilość akapitów w pliku. Dotychczas udało mi się utworzyć poniższy kod:


Wczytywanie pliku:

[PHP] pobierz, plaintext 
<form method="post" action="" enctype="multipart/form-data">
    <input type="file" name="docfile" />
    <input type="submit" name="submit" />
</form>
 
 
<?php
if(isset($_POST['submit'])){
    $file = $_FILES['docfile']['name'];
    $file = str_replace(" ","_",$file);
    //$file = file_get_contents($file);
 
    $ext = pathinfo($file, PATHINFO_EXTENSION);
    move_uploaded_file($_FILES['docfile']['tmp_name'],"uploads/".$file);
 
    if($ext == "txt" || $ext == "pdf" || $ext == "doc" || $ext == "docx" || $ext == "odt"){
        $file = file_get_contents("uploads/".$file);
 
    }
}
?>
 
[PHP] pobierz, plaintext 

Następnie posiadając wgrany plik, podaję go na zliczanie:

[PHP] pobierz, plaintext 
<?php
 
/*Name of the document file*/
$document = 'zliczanie.docx';
 
/**Function to extract text*/
function extracttext($filename) {
    //Check for extension
    $splited = explode('.', $filename);
    $ext = array_pop($splited);
 
    //if its docx file
    if($ext == 'docx')
        $dataFile = "word/document.xml";
    //else it must be odt file
    else
        $dataFile = "content.xml";
 
    //Create a new ZIP archive object
    $zip = new ZipArchive;
 
    // Open the archive file
    if (true === $zip->open($filename)) {
        // If successful, search for the data file in the archive
        if (($index = $zip->locateName($dataFile)) !== false) {
            // Index found! Now read it to a string
            $text = $zip->getFromIndex($index);
            // Load XML from a string
            // Ignore errors and warnings
            $xml = DOMDocument::loadXML($text, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);
            // Remove XML formatting tags and return the text
            return strip_tags($xml->saveXML());
        }
        //Close the archive file
        $zip->close();
    }
 
    // In case of failure return a message
    return null;
}
 
 
 
 
echo mb_strlen(trim(extracttext($document)));
echo '<br/>';
echo mb_strlen(extracttext($document));
?>
[PHP] pobierz, plaintext 

Wynik jaki uzyskuje to 1155 znaków przy użyciu funkcji trim, 1157 bez funkcji trim.

Powinienem uzyskać 1010 samych znaków bez spacji oraz 1133 ze spacjami.

Dopiero niedawno rozpocząłem swoją przygodę z programowaniem, więc proszę nie zbrukać mnie z poziomem chodnika.
Dziękuję za wszelkie opinie i pomoc.

[viking]

Nie mam pod ręką oryginalnego Worda ale LibreOffice wyeksportowany jako .docx zapisuje te dane w pliku app.xml.

[turek93]

Zgadzam się z tym spostrzeżeniem. W pliku app.xml dostaje następujące informacje:

[XML] pobierz, plaintext 
 
<Properties><Template>Kreatywny życiorys, zaprojektowany przez firmę MOO.dotx
</Template>
<TotalTime>4</TotalTime>
<Pages>2</Pages>
<Words>151</Words>
<Characters>1066</Characters>
<Application>Microsoft Macintosh Word</Application>
<DocSecurity>0</DocSecurity>
<Lines>50</Lines>
<Paragraphs>26</Paragraphs>
<ScaleCrop>false</ScaleCrop>
<HeadingPairs>
<vt:vector size="2" baseType="variant">
<vt:variant><vt:lpstr>Title</vt:lpstr></vt:variant><vt:variant
><vt:i4>1</vt:i4></vt:variant></vt:vector></HeadingPairs><TitlesOfParts>
<vt:vector size="1" baseType="lpstr"><vt:lpstr/></vt:vector></TitlesOfParts>
<Company/><LinksUpToDate>false</LinksUpToDate>
<CharactersWithSpaces>1191</CharactersWithSpaces>
<SharedDoc>false</SharedDoc>
<HyperlinksChanged>false</HyperlinksChanged>
<AppVersion>15.0000</AppVersion></Properties>
 
 
[XML] pobierz, plaintext 

O ile sie nie mylę to wskazuje mi 1066 znaków oraz 1191 ze spacjami, czyli również inną liczbę niż word i mój kod.

Ten post edytował turek93 11.08.2017, 09:58:34