最近简单试了一下这个问题,记下流程:
1.在linux上安装antiword(网上安装方法很多,搜索一个即可).
2.在php上解析一个word文件为text串,这个串是多行的串,即包含很多换行符.
$filename = '/home/den/ttt.doc';
$content = shell_exec('/usr/local/bin/antiword -w 0 -m UTF-8.txt '.$filename);
3.将串中所有可能的全角符转为半角符(这一步很重要,因为很多符号和空格都可能是全角的).
$content=SBC_DBC($content);
function SBC_DBC($str) {
$DBC = Array(
'0' , '1' , '2' , '3' , '4' ,
'5' , '6' , '7' , '8' , '9' ,
'A' , 'B' , 'C' , 'D' , 'E' ,
'F' , 'G' , 'H' , 'I' , 'J' ,
'K' , 'L' , 'M' , 'N' , 'O' ,
'P' , 'Q' , 'R' , 'S' , 'T' ,
'U' , 'V' , 'W' , 'X' , 'Y' ,
'Z' , 'a' , 'b' , 'c' , 'd' ,
'e' , 'f' , 'g' , 'h' , 'i' ,
'j' , 'k' , 'l' , 'm' , 'n' ,
'o' , 'p' , 'q' , 'r' , 's' ,
't' , 'u' , 'v' , 'w' , 'x' ,
'y' , 'z' , '-' , ' ' , ':' ,
'.' , ',' , '/' , '%' , '#' ,
'!' , '@' , '&' , '(' , ')' ,
'<' , '>' , '"' , ''' , '?' ,
'[' , ']' , '{' , '}' , '\' ,
'|' , '+' , '=' , '_' , '^' ,
'¥' , ' ̄' , '`'
);
// 半角
$SBC = Array(
'0', '1', '2', '3', '4',
'5', '6', '7', '8', '9',
'A', 'B', 'C', 'D', 'E',
'F', 'G', 'H', 'I', 'J',
'K', 'L', 'M', 'N', 'O',
'P', 'Q', 'R', 'S', 'T',
'U', 'V', 'W', 'X', 'Y',
'Z', 'a', 'b', 'c', 'd',
'e', 'f', 'g', 'h', 'i',
'j', 'k', 'l', 'm', 'n',
'o', 'p', 'q', 'r', 's',
't', 'u', 'v', 'w', 'x',
'y', 'z', '-', ' ', ':',
'.', ',', '/', '%', '#',
'!', '@', '&', '(', ')',
'<', '>', '"', '\'','?',
'[', ']', '{', '}', '\\',
'|', '+', '=', '_', '^',
'$', '~', '`'
);
return str_replace($DBC, $SBC, $str); // 全角到半角
}
4.处理后,得到了一个php能正常处理的串了,你可以做进一步的处理,比如去掉所有空白符,让多行的串变成一行的串,同时去掉字和字间的空格.
$content=preg_replace("/\s+/",'',$content);
5.做你自己的操作