สอบถามผู้รู้ แปลง PDF เป็น text หรือ HTML

[touleg]

ใครรู้มั่งครับว่าจะแปลง PDF ไปเป็น text หรือ HTML ยังไง หรือมี Library ตัวให้ให้ใช้งานบ้างครับ ของตัวอย่างการใช้งานด้วยนะครับ ผมจะลองหาดูก่อน รบกวนด้วยครับ

[mindphp]

ผมเคยทำแต่นานมาแล้ว จำรายละเอียดไม่ค่อยได้ แต่หลักการคือ
ใช้ โปรแกรมพวกที่ แปลง pdf เป็น text หรือ html ได้ติดตั้งบน Server
แล้ว ใช้ php รันคำสั่งระบบเพิ่อไปเรียกโปรแกรมพวกนั้น ทำงาน

แต่ถ้าต้องการแปลง pdf เป็นรูปก็ imagemagick ครับ

[touleg]

ผมลองใช้ xpdf แต่งงมากตั้งแต่ขึ้นตอนติดตั้ง ไม่ทราบว่าพอจะทำเป็นหรือป่าวครับ window server ครับ

[mindphp]

ติดตั้งโปรแกรม เป็นโปรแกรมทั่วๆ ครับ
หรือ อาจแค่ copy ไฟล์ไปวางที่ server แล้วใช้ command เรียกให้มันทำงาน
แล้วก็สั่ง command นั้นด้วย php

[touleg]

ตอนนี้ใช้งานได้แล้วครับ ใช้ UTF-8 แต่มันอ่านพวกวรรณยุกต์ไม่ออก เลยลองเปลี่ยนเป็น TIS-620

Code: Select all

textEncoding		TIS-620

#----- begin Thai support package (2011-aug-15)
nameToUnicode			C:\\Program Files\\xpdf\\thai\Thai.nameToUnicode
unicodeMap	TIS-620		C:\\Program Files\\xpdf\\thai\TIS-620.unicodeMap
#----- end Thai support package

แต่มันขึ้นแจ้งว่า

Code: Select all

C:\Program Files\xpdf>pdftotext -htmlmeta 0405601501.pdf
Config Error: Bad 'nameToUnicode' config file command (C:\Program Files\xpdf\xpdfrc:76)
Config Error: Bad 'unicodeMap' config file command (C:\Program Files\xpdf\xpdfrc:77)
Syntax Error: Couldn't find unicodeMap file for the 'TIS-620' encoding
Config Error: Couldn't get text encoding

ลองแก้แล้วแต่มันก็ยังมองไม่เห็น ไม่รู้ต้องเซ็ตอะไรหรือป่าว

Code: Select all

#========================================================================
#
# Sample xpdfrc file
#
# The Xpdf tools look for a config file in two places:
# 1. ~/.xpdfrc
# 2. in a system-wide directory, typically /usr/local/etc/xpdfrc
#
# This sample config file demonstrates some of the more common
# configuration options.  Everything here is commented out.  You
# should edit things (especially the file/directory paths, since
# they'll likely be different on your system), and uncomment whichever
# options you want to use.  For complete details on config file syntax
# and available options, please see the xpdfrc(5) man page.
#
# Also, the Xpdf language support packages each include a set of
# options to be added to the xpdfrc file.
#
# http://www.foolabs.com/xpdf/
#
#========================================================================

#----- display fonts

# These map the Base-14 fonts to the Type 1 fonts that ship with
# ghostscript.  You'll almost certainly want to use something like
# this, but you'll need to adjust this to point to wherever
# ghostscript is installed on your system.  (But if the fonts are
# installed in a "standard" location, xpdf will find them
# automatically.)

#fontFile Times-Roman		/usr/local/share/ghostscript/fonts/n021003l.pfb
#fontFile Times-Italic		/usr/local/share/ghostscript/fonts/n021023l.pfb
#fontFile Times-Bold		/usr/local/share/ghostscript/fonts/n021004l.pfb
#fontFile Times-BoldItalic	/usr/local/share/ghostscript/fonts/n021024l.pfb
#fontFile Helvetica		/usr/local/share/ghostscript/fonts/n019003l.pfb
#fontFile Helvetica-Oblique	/usr/local/share/ghostscript/fonts/n019023l.pfb
#fontFile Helvetica-Bold		/usr/local/share/ghostscript/fonts/n019004l.pfb
#fontFile Helvetica-BoldOblique	/usr/local/share/ghostscript/fonts/n019024l.pfb
#fontFile Courier		/usr/local/share/ghostscript/fonts/n022003l.pfb
#fontFile Courier-Oblique	/usr/local/share/ghostscript/fonts/n022023l.pfb
#fontFile Courier-Bold		/usr/local/share/ghostscript/fonts/n022004l.pfb
#fontFile Courier-BoldOblique	/usr/local/share/ghostscript/fonts/n022024l.pfb
#fontFile Symbol			/usr/local/share/ghostscript/fonts/s050000l.pfb
#fontFile ZapfDingbats		/usr/local/share/ghostscript/fonts/d050000l.pfb

# If you need to display PDF files that refer to non-embedded fonts,
# you should add one or more fontDir options to point to the
# directories containing the font files.  Xpdf will only look at .pfa,
# .pfb, .ttf, and .ttc files in those directories (other files will
# simply be ignored).

#fontDir		/usr/local/fonts/bakoma

#----- PostScript output control

# Set the default PostScript file or command.

#psFile			"|lpr -Pmyprinter"

# Set the default PostScript paper size -- this can be letter, legal,
# A4, or A3.  You can also specify a paper size as width and height
# (in points).

#psPaperSize		letter

#----- text output control

# Choose a text encoding for copy-and-paste and for pdftotext output.
# The Latin1, ASCII7, and UTF-8 encodings are built into Xpdf.  Other
# encodings are available in the language support packages.

textEncoding		TIS-620

#----- begin Thai support package (2011-aug-15)
nameToUnicode			C:\\Program Files\\xpdf\\thai\Thai.nameToUnicode
unicodeMap	TIS-620		C:\\Program Files\\xpdf\\thai\TIS-620.unicodeMap
#----- end Thai support package

# Choose the end-of-line convention for multi-line copy-and-past and
# for pdftotext output.  The available options are unix, mac, and dos.

#textEOL		unix

#----- misc settings

# Enable t1lib, FreeType, and anti-aliased text.

#enableT1lib		yes
#enableFreeType		yes
#antialias		yes

# Set the command used to run a web browser when a URL hyperlink is
# clicked.

#launchCommand  viewer-script
#urlCommand	"netscape -remote 'openURL(%s)'"

[mindphp]

แปลงมาไม่ได้เลยหรอครับ
หรือ อ่านแปลงมาได้บ้างไม่ได้บ้าง

ลองเปลี่ยนที่เก็บ โปรแกรมเป็น C:\\xxxx

[touleg]

ได้แล้วครับ ผมเปลี่ยน

Code: Select all

nameToUnicode			./thai/Thai.nameToUnicode
unicodeMap	TIS-620		./thai/TIS-620.unicodeMap

ปกติใส่

Code: Select all

nameToUnicode         C:\\Program Files\xpdf\thai\Thai.nameToUnicode
unicodeMap   TIS-620      C:\\Program Files\xpdf\thai\TIS-620.unicodeMap

[touleg]

ทีนี้ถ้าผมจะใช้ PHP เรียกใช้งานผมต้องทำยังไงครับ ต้องเอา xpdf ไปไว้ที่ไหน
สมุมติว่าผมใช้ Appserv ผมจะเขียน php ไปเรียกใช้มันยังไง