Odczytywanie zawartości plików .pdf, w celu zrobienia wyszukiwania po treści plików Opcje

[sowiq]

Witam,
przymierzam się do zbudowania systemu download dla plików pdf. Z czasem będzie ich sporo, a chciałbym mieć opcję wyszukiwania po treści dokumentów. Oczywiście jest możliwość oprócz wysyłania pliku na serwer zapisywać też do bazy danych skopiowaną ręcznie treść, ale takie rozwiązanie nawet nie leżało koło usability.

Stąd moje pytania.
1. Czy da się za pomocą PHP z pliku .pdf odczytać treść? Wystarczy zwykły text/plain, bo funkcja ta jest potrzebna do zrobienia prostego wyszukiwania.
2. Jeśli jest taka opcja, to jaki ma na to wpływ zabezpieczenie pliku hasłem (np. zabezpieczenie przed kopiowaniem, drukowaniem itp.)?

Z góry dzięki za wskazówki.

Ten post edytował sowiq 9.04.2009, 16:01:15

[erix]

http://www.phpclasses.org/browse/package/702.html

to jaki ma na to wpływ zabezpieczenie pliku hasłem

Podejrzewam, że uniemożliwi to przeszukanie pliku.

[sowiq]

http://www.phpclasses.org/browse/package/702.html

No niestety ta klasa wiele mi nie pomogła. Mówiąc prościej - po prostu nie działa.
Poza tym przeszukałem całe phpclasses.org i php.net próbując praktycznie wszystkiego, co ludzie pisali, ale nie osiągnąłem celu.

Stąd odświeżenie mojego tematu z ponowną prośbą. Może ktoś ma/wie gdzie znaleźć jakąś klasę lub może opisać sposób na odczytanie tekstu z plików pdf?

[Berg]

Możliwe, że zainteresuje Ciebie wpis w manualu który opisuje jak skonwertować PDF na text.

[sowiq]

Dzięki za chęć pomocy, ale niestety ani jedno, ani drugie rozwiązanie nie okazało się pomocne.
Przetestowałem wszystkie wpisy na php.net i ani razu nie udało mi się odczytać zawartości plików.

W najgorszym wypadku pozostanie ręczne skopiowanie treści pdf przed jego uploadem i zapis tej treści do bazy danych (do wyszukiwarki), ale na razie nie poddaje się Jak coś znajdę, to napiszę.

[osl]

zerknij może na Apache Tika, pozwala na wyciąganie treści (np. do indeksowania) z plików office, pdf i sporej liczby innych.
może Ci podpasuje