doc, xls, pdf 및 txt 파일의 단어 수 계산 방법

Question

파일의 단어 수를 계산해야하는 시나리오가 있습니다. 다른 파일 형식이 .doc, .xls, .pdf 및 .txt입니다. 이 방법을 계산에 사용하고 있습니다 :

<form method="post" action="" enctype="multipart/form-data"> 
    <input type="file" name="docfile" /> 
    <input type="submit" name="submit" /> 
</form> 

<?php 
    if(isset($_POST['submit'])){ 
     $file = $_FILES['docfile']['name']; 
     $file = str_replace(" ","_",$file); 
     //$file = file_get_contents($file); 

     $ext = pathinfo($file, PATHINFO_EXTENSION); 
     move_uploaded_file($_FILES['docfile']['tmp_name'],"uploads/".$file); 

     if($ext == "txt" || $ext == "pdf" || $ext == "doc" || $ext == "docx"){ 
      $file = file_get_contents("uploads/".$file); 
      echo str_word_count($file); 
     } 
    } 
?> 

그러나 올바른 단어 수를 반환하지 않습니다.

Answer 1

어려운 작업이 있습니다. .doc.pdf 및 .xls은 읽기 쉽지 않습니다. 테스트하려면 notepad 또는 gedit과 같은 기본 텍스트 편집기로 pdf를여십시오. 넌 멍청한 것처럼 보일거야. 이것은 파일 내용을 읽을 때 PHP가 보는 것과 같은 일입니다.

.xls 및 .doc은 PHPWord 및 PHPExcel로 PHPOffice에서 파싱 할 수 있습니다. 이 라이브러리를 조사해야합니다. 나는 PDF에 대해서는 아무 것도 모른다. 그러나 아마 뭔가있을 것이다.

비슷한 인터페이스를 구현하는 일련의 클래스를 작성하여 확장 프로그램에 따라 전환 할 수 있도록하는 것이 좋습니다.

Answer 2

Apache Tika은 많은 문서 유형을 인식하고 메타 정보를 추출 할 수있는 Java 프레임 워크입니다. 그것은 인식 할 수있는 많은 문서 유형에 대한 단어 수를 확인할 수 있습니다.

PhpTikaWrapper이라는 PHP 래퍼가 있으므로이 PHP 프레임 워크에 대한 Java 프레임 워크를 언급합니다. 나는 래퍼를 사용한 적이 없지만 Apache Tika는 메타 정보를 추출 할 수 있으므로 래퍼를 조사하면 도움이 될 수 있습니다.

Answer 3

나는 doc, docx, pdf 및 txt 파일에 대한 단어, 줄 및 페이지 수를 제공하는 웹 및 스택 오버플로에서 발견되는 다양한 방법을 통합하는 범용 클래스에서 작업 해 왔습니다. 나는 그것이 사람들에게 사용되기를 바랍니다. 누구나 RTF를 사용할 수 있다면 pull 요청을 좋아할 것입니다! https://github.com/joeblurton/doccounter