用php读取DOC文件

我正在尝试读取php中的

.doc.docx

文件。一切正常。但在最后一行，我得到了可怕的字符。请帮帮我。 这是由某人开发的代码

    function parseWord($userDoc) 
{
    $fileHandle = fopen($userDoc, "r");
    $line = @fread($fileHandle, filesize($userDoc));   
    $lines = explode(chr(0x0D),$line);
    $outtext = "";
    foreach($lines as $thisline)
      {
        $pos = strpos($thisline, chr(0x00));
        if (($pos !== FALSE)||(strlen($thisline)==0))
          {
          } else {
            $outtext .= $thisline." ";
          }
      }
     $outtext = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$outtext);
    return $outtext;
} 

$userDoc = "k.doc";

这是截图。 文档文件不可用

尝试一个库，例如（）

---

注意：由于PHPWord更改了主机和功能，此答案已被多次更新。

您可以在PHP中读取.docx文件，但无法读取.doc文件。以下是读取.docx文件的代码：

function read_file_docx($filename){

    $striped_content = '';
    $content = '';

    if(!$filename || !file_exists($filename)) return false;

    $zip = zip_open($filename);

    if (!$zip || is_numeric($zip)) return false;

    while ($zip_entry = zip_read($zip)) {

        if (zip_entry_open($zip, $zip_entry) == FALSE) continue;

        if (zip_entry_name($zip_entry) != "word/document.xml") continue;

        $content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));

        zip_entry_close($zip_entry);
    }// end while

    zip_close($zip);

    //echo $content;
    //echo "<hr>";
    //file_put_contents('1.xml', $content);

    $content = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $content);
    $content = str_replace('</w:r></w:p>', "\r\n", $content);
    $striped_content = strip_tags($content);

    return $striped_content;
}
$filename = "filepath";// or /var/www/html/file.docx

$content = read_file_docx($filename);
if($content !== false) {

    echo nl2br($content);
}
else {
    echo 'Couldn\'t the file. Please check that file.';
}

function read\u file\u docx（$filename）{
$striped_content=''；
$content=''；
如果（！$filename | |！file_存在（$filename））返回false；
$zip=zip\u open（$filename）；
如果（！$zip |是数值（$zip））返回false；
而（$zip\u entry=zip\u read（$zip））{
如果（zip_entry_open（$zip，$zip_entry）==FALSE）继续；
如果（zip\u entry\u name（$zip\u entry）！=“word/document.xml”）继续；
$content.=zip_entry_read（$zip_entry，zip_entry_filesize（$zip_entry））；
zip_entry_close（$zip_entry）；
}//结束时
zip_close（$zip）；
//echo$内容；
//回声“
”；
//文件内容（'1.xml'，$content）；
$content=str_replace（“”，$content）；
$content=str_replace（“”，\r\n“，$content）；
$striped_content=strip_标签（$content）；
返回$striped_内容；
}
$filename=“filepath”；//或/var/www/html/file.docx
$content=read\u file\u docx（$filename）；
如果（$content！==false）{
echo nl2br（$content）；
}
否则{
echo“无法读取该文件。请检查该文件。”；
}

我正在使用这个功能，对我来说效果很好：）试试吧

function read_doc_file($filename) {
     if(file_exists($filename))
    {
        if(($fh = fopen($filename, 'r')) !== false ) 
        {
           $headers = fread($fh, 0xA00);

           // 1 = (ord(n)*1) ; Document has from 0 to 255 characters
           $n1 = ( ord($headers[0x21C]) - 1 );

           // 1 = ((ord(n)-8)*256) ; Document has from 256 to 63743 characters
           $n2 = ( ( ord($headers[0x21D]) - 8 ) * 256 );

           // 1 = ((ord(n)*256)*256) ; Document has from 63744 to 16775423 characters
           $n3 = ( ( ord($headers[0x21E]) * 256 ) * 256 );

           // 1 = (((ord(n)*256)*256)*256) ; Document has from 16775424 to 4294965504 characters
           $n4 = ( ( ( ord($headers[0x21F]) * 256 ) * 256 ) * 256 );

           // Total length of text in the document
           $textLength = ($n1 + $n2 + $n3 + $n4);

           $extracted_plaintext = fread($fh, $textLength);

           // simple print character stream without new lines
           //echo $extracted_plaintext;

           // if you want to see your paragraphs in a new line, do this
           return nl2br($extracted_plaintext);
           // need more spacing after each paragraph use another nl2br
        }
    }   
    }

---

我也用过它，但对于重音（和单引号，比如“），它会� 相反，我的PDO mySQL不喜欢它，但我最终通过添加

mb_convert_encoding($extracted_plaintext,'UTF-8');

因此，最终版本应为：

function getRawWordText($filename) {
    if(file_exists($filename)) {
        if(($fh = fopen($filename, 'r')) !== false ) {
            $headers = fread($fh, 0xA00);
            $n1 = ( ord($headers[0x21C]) - 1 );// 1 = (ord(n)*1) ; Document has from 0 to 255 characters
            $n2 = ( ( ord($headers[0x21D]) - 8 ) * 256 );// 1 = ((ord(n)-8)*256) ; Document has from 256 to 63743 characters
            $n3 = ( ( ord($headers[0x21E]) * 256 ) * 256 );// 1 = ((ord(n)*256)*256) ; Document has from 63744 to 16775423 characters
            $n4 = ( ( ( ord($headers[0x21F]) * 256 ) * 256 ) * 256 );// 1 = (((ord(n)*256)*256)*256) ; Document has from 16775424 to 4294965504 characters
            $textLength = ($n1 + $n2 + $n3 + $n4);// Total length of text in the document
            $extracted_plaintext = fread($fh, $textLength);
            $extracted_plaintext = mb_convert_encoding($extracted_plaintext,'UTF-8');
             // if you want to see your paragraphs in a new line, do this
             // return nl2br($extracted_plaintext);
             return ($extracted_plaintext);
        } else {
            return false;
        }
    } else {
        return false;
    }  
}

这在utf8\u general\u ci mySQL数据库中可以很好地读取word文档文件：）

---

希望这对其他人有所帮助

纯PHP解码从未对我起作用，因此我的解决方案如下：

安装软件包

sudo apt-get install wv

在PHP中使用它：

$output = str_replace('.doc', '.txt', $filename);
shell_exec('/usr/bin/wvText ' . $filename . ' ' . $output);
$text = file_get_contents($output);
# Convert to UTF-8 if needed
if(!mb_detect_encoding($text, 'UTF-8', true))
{
    $text = utf8_encode($text);
}
unlink($output);

---

我正在使用软件将文档转换为txt并读取txt转换文件

soffice --convert-to txt test.doc

---

您可以在

中看到更多信息，.docx是一个.zip压缩的多文件包files@Steve-o我想数一数文档文件中的所有单词。PHPword有可能吗？另外，请注意，PHPword不是由Microsoft编写的：它是由一群独立开发人员编写的免费开源库，不受MS的任何支持或支持。请注意，PHPword现在可以读取BIFF格式的.doc文件以及OfficeOpenXML.docx文件，还有许多其他格式也注意到PHPWord现在正式托管在github上，而不是CodePlex上，是否设法解决了这个@no_freedom？我试过了，但结果是部分文件。欢迎继续，在这里，解释为什么使用您的解决方案，而不仅仅是如何使用，这是一个很好的实践。这将使你的答案更有价值，并有助于进一步的读者更好地理解你是如何做到这一点的。我还建议你看看我们的常见问题：。谢谢你的回答，但如何写入该文件？@user1817444它只是从doc读取文本，如何使用它获取图像？作为二进制数据的图像也可以使用此函数读取文档文件，但我猜只有UTF编码的文件。你能告诉我为什么其他编码不起作用吗？我试着用这个函数来读取一些文件，但它并不适用于所有文件。我看到的唯一区别是编码。请参阅下面我的答案，了解编码问题在搜索简单答案半小时后读取文档文件。我终于得到了这个答案，解决了我的问题。非常感谢@hugsbrugs这是让它按我所希望的那样工作的唯一方法：）