以编程方式使用 PHP 或 Javascript 比较两个 word 或 excel 或 powerpoint 文档 2007

Question

以下是我的新项目的一些要求。

管理员将上传格式为 Ms Word 2007 或 Ms Excel 2007 或 Ms Power Point 2007 的文件。

假设管理员上传了一个名为 demo1.docx 的文件。

现在 demo1.docx 是一个主文件。

现在其他用户将上传自己的文件，如 demo2.docx、demo3.docx 等。

我想将 demo2.docx 和 demo3.docx 文件与主文件 demo1.docx 进行比较。

其他用户上传的文件必须是主文件的副本。我的意思是字符数、文本、格式必须与主文件相同。

如果是excel文件，那么页数，没有。填充的单元格必须相同，并且相同的内容适用于 power point 文件。

我想使用 PHP 或 Javascript 来实现。

那么你能告诉我这是否可能吗？如果可能的话，然后建议我一些方法来完成这项任务。

提前致谢。

Answer 1

要逐字节匹配它们，最有效的方法是

if(hash_file('sha1', $pathToFile1) == hash_file('sha1', $pathToFile2))

如果这太精确了，你可以去掉空格。来自文本文件，而不是像 docx 或 xlsx 文件这样的二进制文件。

if(hash('sha1', str_replace(' ', '', file_get_contents( $pathToFile1))) == hash('sha1', str_replace(' ', '', file_get_contents( $pathToFile2))))

或类似的东西来规范化文本。对于二进制文件类型，您必须使用该类型文件的某些库首先将它们转换为文本。

换句话说，您必须想出一些方法来规范文件的文本内容，例如大写所有内容并删除空格或其他可接受的差异。

规范化是一种奇特的说法，可以消除差异。一个简单的例子就是这样。

Some text

现在和Some text.一样吗？或Some Text 或some Text，这取决于。但是“规范化它们”可能看起来像这样sometext，没有标点符号、空格或大小写。由您决定如何规范化它们。

由于提到了二进制格式，我无法帮助您，因为您需要找到一种在 PHP 中打开它们的方法，这需要一些 3rd 方库。

你的问题很笼统，所以我只能给你一个大致的概述。

散列很好，因为它需要一个 {x} 大小的文件并使其长度为 40 个字符（在 sha1 的情况下），这更容易存储在数据库中或可视化。我提到数据库是因为您可以通过对已知文件（源文件）进行预规范化和散列处理来将操作减半。这将降低比较它们的总体成本。

更新

这是一个例子

echo hash('sha1', 'The same text') == hash('sha1', 'the same text') ? 'true' : 'false';

输出将是false 但是如果你这样做：

echo hash('sha1', strtolower('The same text')) == hash('sha1', strtolower('the same text')) ? 'true' : 'false';

输出将是true

Sandbox

少量文本与大量文本没有什么不同。上面两段代码的区别是我规范了一个而不是另一个。

更新1

好的。你知道像 Typing Tutor 这样的软件吗？它需要打字测试。有一个固定的段落，用户将在文本框中以相同的格式写入该段落。

$old = 'The same text';
$arr_old = explode(' ', $old);
$new = 'the same text';

$pattern = '/\b('.implode(')\b|\b(', array_map('preg_quote', $arr_old)).')\b/';

preg_match_all($pattern, $new, $matches );

print_r($matches);

输出

  Array
(
    [0] => Array
        (
            [0] => same
            [1] => text
        )

    [1] => Array
        (
            [0] => 
            [1] => 
        )

    [2] => Array
        (
            [0] => same
            [1] => 
        )

    [3] => Array
        (
            [0] => 
            [1] => text
        )

) 

重要的是要提到 match(-1) 的索引，将匹配单词的索引。例如在上面没有匹配 $matches[1] 没有匹配。这对应于The，它是$arr_old = explode(' ', $old); 或[0=>'The', 1=>'same', 2=>'text'] 中的第一项但因为匹配是基于1 而数组是基于0，所以你必须减去1。

PS 检查这些我会做类似的事情

$len = count($matches);
for($i=1;$i<$len;$i++){
    if(!empty(array_filter($matches[$i]))) echo "match ".$arr_old[$i-1]."\n";
}

输出：

match same
match text

Sandbox

希望对你有帮助。