php - 如何计算doc、xls、pdf和txt文件中的字数

Question

我有一个场景，我需要计算文件中的单词数。 我有不同的文件格式，例如 .doc、.xls、.pdf 和 .txt。我正在使用这种方法进行计数:

<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);
        }
    }
?>

但它没有返回文件的正确字数。

Answer 1

Apache Tika是一个 Java 框架，能够识别大量文档类型并从中提取元信息。它能够确定其识别的许多文档类型的字数。

我针对您的 PHP 问题提到了这个 Java 框架，因为它有一个名为 PhpTikaWrapper 的 PHP 包装器。 .我从未使用过包装器，但 Apache Tika 可以提取您需要的元信息，因此研究包装器可能会有所帮助。