有没有用于 PHP 的 PDF 解析器？[已关闭]

我以前写过一个（为了类似的需求），我可以这样说：玩得开心。这是一项相当复杂的任务。PDF规范很大且笨拙。有几种将文本存储在其中的方法。关键是每个PDF生成器在工作方式上都是不同的。因此，虽然像TFPDF或DOMPDF这样的东西创建了非常容易阅读的PDF（从机器的角度来看），但Acrobat制作了一些非常地狱般的文档。

原因是它如何编写文本。大多数基于DOM的渲染器-我使用过-将整行编写为一个字符串，并将其放置一次（这真的很容易阅读）。Acrobat试图通过一次只写一个或几个字符，并独立定位它们来提高效率（确实如此）。虽然这确实简化了渲染，但它使阅读变得更加困难。

这里的好处是，PDF格式本身非常简单。您有遵循常规语法的“对象”。然后，您可以将它们链接在一起以生成内容。该规范在描述文件格式方面做得很好。但现实世界的阅读需要一点脑力......

一些有用的建议，如果你要自己写，我必须以艰难的方式学习：

1. Adobe 喜欢重新映射字体。所以性格很可能不会...您需要找到一个地图对象，并根据其中的字符推断出它正在做什么。而且它很有效，因为如果该字体的文档中没有出现字符，则它不包含它（如果您尝试以编程方式编辑PDF，这将使生活变得困难）...65A
2. 把它写得尽可能抽象。为每个对象类型和每个本机类型（字符串、数字等）编写类。让这些类为您解析。那里会有相当多的重复，但是当你意识到你只需要为一种特定类型调整一些东西时，你最终会拯救自己）......
3. 为 PDF 规范的特定版本编写并强制执行。检查版本号，如果它比你预期的要高，保释...不要试图“让它工作”。如果要支持较新版本，请打破规范并从那里升级解析器。不要试图尝试和错误（这并不好玩）...
4. 祝压缩流好运。我发现，通常你不能相信长度参数来验证你正在解压缩的内容。有时（对于某些发电机）它工作得很好...其他人则偏离一个或多个字节。如果过滤器匹配，我只是尝试将其放气，然后强制长度...
5. 测试长度时，不要使用 .使用，因为它将补偿不同的字符集（并允许其他字符集中可能无效的字符）。strlenmb_strlen($string, '8bit')

否则，祝你好运...

我使用PDFBox（http://pdfbox.apache.org/）。该软件是基于java的，并且独立于平台。它工作快速可靠。您可以通过exec或shell执行或通过PHP / Java-Bridge（http://php-java-bridge.sourceforge.net/)