在 PHP 中从 docx 读取文本

简介

Microsoft Word 文档 (.docx) 是常见的文档格式之一，本文将介绍如何在 PHP 中读取 .docx 文档中的文本。

步骤

1. 首先需要安装 Zip 扩展，它允许我们在 PHP 中操作 Zip 格式的文件；

<?php
// 需要开启 Zip 扩展
$zip = new ZipArchive;

if ($zip->open('example.docx') === TRUE) {
  // Do something
  $zip->close();
} else {
  echo '无法打开文档';
}
?>

2. 在 .docx 文件中，文本内容被存储在 word/document.xml 文件中。因此，我们需要提取该文件。

<?php
$zip = new ZipArchive;

if ($zip->open('example.docx') === TRUE) {
  $content = $zip->getFromName('word/document.xml');
  $zip->close();
} else {
  echo '无法打开文档';
}
?>

3. 接下来，我们需要将 XML 内容转换为 PHP 对象，以便能够方便地操作它。

<?php
$zip = new ZipArchive;

if ($zip->open('example.docx') === TRUE) {
  $content = $zip->getFromName('word/document.xml');
  $xml = simplexml_load_string($content);
  $zip->close();
} else {
  echo '无法打开文档';
}
?>

4. 最后，我们需要提取文本内容并返回。

<?php
$zip = new ZipArchive;

if ($zip->open('example.docx') === TRUE) {
  $content = $zip->getFromName('word/document.xml');
  $xml = simplexml_load_string($content);

  $doc_text = '';
  foreach ($xml->body->p as $paragraph) {
    $doc_text .= $paragraph . "\n";
  }

  $zip->close();
} else {
  echo '无法打开文档';
}
?>

结论

通过上面的步骤可以在 PHP 中轻松读取 .docx 文件的内容。但需要注意的是，在处理自定义样式、嵌套列表等复杂情况时，可能需要更加复杂的解析方法。