使用php和drupal将pdf转换为文本答案

【问题标题】：pdf to text convert using php and drupal使用php和drupal将pdf转换为文本
【发布时间】：2015-12-07 13:53:14
【问题描述】：

我正在使用this code 将 pdf 转换为文本，它工作正常但不支持瑞典字符，喜欢：

correect swedish word     = incorrect word    
Förnamn                   = Fšrnamn,
Försäljningsdatum         = FšrsŠljningsdatum,
varumärket                = varumŠrket,
terförsäljaruppgifter     = terfšrsŠljaruppgifter

代码是：

<?php
    require_once "pdf.pdf2text.inc";
    $filename = "customerfile.pdf";
    $pdf = new Pdf(urldecode($filename));
    print utf8_decode($pdf->getText());//with utf-8
    print $pdf->getText(); //without utf-8
?>

我添加了 utf-8 编码/解码，但它不起作用。 using this code

请任何人帮助我或建议我使用此代码显示正确的文本（单词）。

提前致谢。

【问题讨论】：

只是快速检查一下 - 您是在页面中还是在命令行中输出它？如果是前者，是否设置了正确的内容类型？
terförsäljaruppgifter 实际上不是瑞典语单词。我想你的意思是återförsäljaruppgifter。
不确定这是否会有所帮助kunststube.net/encoding 如果您查看 pdf2text 中的代码，可能有一种方法可以添加一个函数以使其处理其他字符。 github.com/saubhagya/pdf2text 如果您与他们联系，它的作者可能会很乐意提供帮助。
他们自己的笔记drupal.org/node/1079780 建议了处理德语“元音变音”的方法——也许它可能适用于瑞典语。从他们的 Drupal pdf2test 问题页面drupal.org/project/issues/…
根据@GrahamAsher，您可以在 DOCTYPE 下找到<html lang="sv"> 可能会有所帮助。

标签： php drupal github shared-libraries pdftotext

【解决方案1】：

iconv(); 可能是http://php.net/manual/fr/function.utf8-decode.php

$myUnicodeString = "Åäö"; echo iconv("UTF-8", "ISO-8859-1", $myUnicodeString); 正如一些 cmets 所说，UTF-8_decode(); 不足以处理重音。

根据Saubhagya 对 Drupal.org 的评论：

在数组 $_pdfDocToUni 第 18 行文件 initialize.pdf2text.inc 中添加所需字符的八进制和 unicode 等效项（请记住，八进制需要为 3 位，就像在数组的其他条目中一样）。

然后只需转到 pdf2text.module 的第 335 行，并以与其他字符相同的格式添加您的字符。

https://www.drupal.org/node/1079780

不确定“只是”这个词的用法，但它可能会有所帮助......

这似乎是他正在谈论的模块，它确实有他提到的数组 - 也许您的版本可能缺少模块 - 似乎有很多提供

http://cgit.drupalcode.org/pdf2text/tree/pdf2text.module?id=a15059bc1531aa336fef255397ba362c81c9fce5

【讨论】：