Как сделать поиск слов из pdf средствами php?

Question

[adun3]

добрый день!
ситуация такая:
есть сервер, у которого в папке лежать около 100 книжек(без защиты, для свободного скачивания) в формате пдф(на русском).
хочется сделать поиск слов из этих книжек и вывести абзац, название книги, страницу в котором данное слово встречается.
Сам я только начинаю программировать, укажите пожалуйста в сторону каких библиотек или других инструментов копать, сам парсер пдф написать сейчас не смогу.

Answer 1

[KorsaR-ZN]

Если в PDF лежит текст, то Вам поможет консольная утилита (pdfToText), она может по странично разбить pdf на текстовые файлы, а по ним уже делаете поиск. Если с утилитой возится не хочется есть библиотека для PHP - PDF Parser, тоже умет по страницам считывать и получать текст.

НО есть проблема, большинство PDF книжек сделаны, как картинки в PDF документе, т.е выше перечисленные библиотеки так не умеют, тут нужен иной подход, с помощью них нужно выдрать картинки и произвести распознавание текста.
Для распознавание текста выберите одну из утилит из списка.

Ну как-то так :)

Comments

[adun3]

спасибо, буду смотреть. глупый вопрос: как быстро узнать пдф картиночный или текстовый?

[vdem]

@adun3 Очевидно, попытавшись получить из него текст. Если текста нет, значит PDF из картинок.

[adun3]

окей :)

[Максим Гречушников]

да и видно это невоооруженным ОПЫТНЫМ глазом.

[KorsaR-ZN]

@adun3 Да, если вы попытаетесь получить текст, вам пустоту вернут...