RTF (Rich Text Format) ファイルの PHP パーサーライブラリと、中身のテキストを抽出する CLI フロントエンドプログラム作った - Humanity
github.com 作りました。 README の通りまだ RTF ファイルを解析してテキスト化する機能しか持ってません (extract-text-from-rtf.php スクリプトを見て下さい)。 特徴 まだ機能が無さすぎて特にないのですが、あえて言うなら日本語に限らず、任意のコードページでエンコードされた RTF ファイルの内容をちゃんと表示できるはずです (もちろん日本語含めて)。 つまり日本語環境の Windows (＝現在のロケールが CP932) で作った RTF ファイルをちゃんと文字化けせず表示できたりします。 コードページは \ansicpg という制御ワード (control word) でコードページを指定するのですが、ちゃんとそれを読み取って変換してくれます。 …という機能を今付けました (CP932 固定だった)。 あとちゃんとパースしてノード作ったりしてる
今更ながらphpでword(docx)を読み込んでplain textを得る - TRY AND ERROR
word(docx)ファイルを出力する、とかのサンプルやライブラリは結構あるんですが、 今回はそもそもただ単に中身のプレーンテキストが欲しいという場合の話。 docx（確かword2007以降）は実はzipアーカイブなので、unzipとかで解凍できる。 その中にword/document.xmlというのがあって、それにテキストの情報が入っている。 これをパースしてパラグラフ -> テキストで回せば改行含めプレーンテキストとして取得できます。 今回はPHPのZipArchiveでパースしますが、別にphpでなくても全然大丈夫です。 PHP: ZipArchive - Manual $NL = "\n"; $contents = ""; $file_path = "your.docx"; $zip = new \ZipArchive(); if ($zip->open($file_path)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
