如何用PHP解析Microsoft Word 97-2004.doc文件

如何使用PHP解析.doc文件“MicrosoftWord97-2004文档”

我可以用

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

但这不适用于MicrosoftWord 97-2004.doc文件。 我只想提取纯文本。没有别的了

---

-->解决方案就像他在评论中建议的那样

最后，我不得不安装linux catdoc 0.94.2来解决这个问题。PHPWord无法以正确的方式将所有文件转换为纯.txt格式

因此，这里有一个针对linux（例如Unbuntu）用户的解决方案： 在命令行上安装catdoc

sudo apt-get install catdoc

如果您在Windows服务器上，请查看此项。这对我也很有用：

然后在PHP代码中可以这样调用它（对于Linux调用）：

然后你可以做个例子

$text = strip_tags($text);
$text = preg_replace("/(^[\r\n]*|[\r\n]+)[\s\t]*[\r\n]+/", "\n", $text);
echo nl2br($text) ;

在屏幕上查看结果

这是迄今为止对我最有效的方法。

---

如果有人有更好的解决方案，请告诉我。

看看这样一个库，它可以读取BIFF格式的.doc文件mark，使用PHPWord它工作起来很有魅力。感谢最后我不得不安装catdoc->我在这篇帖子中写了一个自己的答案，以防有人在找它：the

$text = strip_tags($text);
$text = preg_replace("/(^[\r\n]*|[\r\n]+)[\s\t]*[\r\n]+/", "\n", $text);
echo nl2br($text) ;