使用php从pdf文件中读取数据

Question

我使用此链接http://webcheatsheet.com/php/reading_clean_text_from_pdf.php 中的代码读取 pdf 文件。我的 pdf 文件包含一个表结构，但在读取文件后所有数据都搞砸了，例如 xxx 333 Exited from Country 26-01-2014 yyy 444 Entered to Country 26-01-2014 zzz 555 退出国家/地区 26-01-2014

我的pdf结构是

visaNo 姓名日期类型

333 xxx 26-01-2014 来自国家/地区
444 yyy 26-01-2014 进入国家
555 zzz 26-01-2014 来自国家/地区

Answer 1

恐怕没有简单的解决办法。 在 pdf 源代码中，您写下文本位的顺序并不重要，因为您可以为所有这些位指定特定的坐标。 您可以做的两件事是（恕我直言）：

1. [在任何情况下] 更改您的代码以将文本流分开（可能将 Tj 和 TJ 替换为您选择的特殊字符，而不是丢弃它们）
2. 如果您非常确定生成 pdf 文件的软件行为一致，请手动切换列（单元格将由您的特殊字符分隔）
3. 否则，恐怕您将不得不稍微更改代码并处理所有文本流的坐标，并从中猜测文本流的行号和列号。

我真的希望你有一些 php 类这样做