php 读取docx,PHP读取docx文档内容

PHP读取并转换docx内容的实现
最新推荐文章于 2025-05-05 11:02:30 发布
最新推荐文章于 2025-05-05 11:02:30 发布
阅读量971 收藏
点赞数
文章标签： php 读取docx
这段代码展示了一个名为`Docx2Text`的PHP类，用于读取docx文件的内容并将其转换为PHP可识别的字符串。类中包含多个私有方法，如`setDocx`来设置docx文件，`extract`来提取内容，以及`table`、`listNumbering`等方法处理表格和列表。此外，还处理了脚注和尾注的转换。通过这个类，可以将docx文档的格式化内容转换为纯文本输出。

客户需求, 需要从docx文档读取内容并且做简单格式化, 难点就在于如何读取docx格式并且转换为php可以识别的字符串形式, 惯例先贴代码.class Docx2Text

{

const SEPARATOR_TAB = "\t";

private $docx;

private $domDocument;

private $_document;

private $_numbering;

private $_footnote;

private $_endnote;

private $endnotes;

private $footnotes;

private $relations;

private $numberingList;

private $textOuput;

private $chart2text;

private $table2text;

private $list2text;

private $paragraph2text;

private $footnote2text;

private $endnote2text;

public function __construct($boolTransforms = array())

{

if (isset($boolTransforms['table'])) {

$this->table2text = $boolTransforms['table'];

} else {

$this->table2text = true;

}

if (isset($boolTransforms['list'])) {

$this->list2text = $boolTransforms['list'];

} else {

$this->list2text = true;

}

if (isset($boolTransforms['paragraph'])) {

$this->paragraph2text = $boolTransforms['paragraph'];

} else {

$this->paragraph2text = true;

}

if (isset($boolTransforms['footnote'])) {

$this->footnote2text = $boolTransforms['footnote'];

} else {

$this->footnote2text = true;

}

if (isset($boolTransforms['endnote'])) {

$this->endnote2text = $boolTransforms['endnote'];

} else {

$this->endnote2text = true;

}

if (isset($boolTransforms['chart'])) {

$this->chart2text = $boolTransforms['chart'];

} else {

$this->chart2text = true;

}

$this->textOuput = '';

$this->docx = null;

$this->_numbering = '';

$this->numberingList = array();

$this->endnotes = array();

$this->footnotes = array();

$this->relations = array();

}

public function extract($filename = '')

{

if (empty($this->_document)) {

exit('There is no content');

}

$this->domDocument = new DomDocument();

$this->domDocument->loadXML($this->_document);

$bodyNode = $this->domDocument->getElementsByTagNameNS('http://schemas.openxmlformats.org/wordprocessingml/2006/main', 'body');

$bodyNode = $bodyNode->item(0);

foreach ($bodyNode->childNodes as $child) {

if ($this->table2text && $child->tagName == 'w:tbl') {

$this->textOuput .= $this->table($child) . $this->separator();

} else {

$this->textOuput .= $this->printWP($child) . ($this->paragraph2text ? $this->separator() : '');

}

}

if (!empty($filename)) {

$this->writeFile($filename, $this->textOuput);

} else {

return $this->textOuput;

}

}

public function setDocx($filename)

{

$this->docx = new ZipArchive();

$ret = $this->docx->open($filename);

if ($ret === true) {

$this->_document = $this->docx->getFromName('word/document.xml');

} else {

exit('failed');

}

}

private function loadEndNote()

{

if (empty($this->endnotes)) {

if (empty($this->_endnote)) {

$this->_endnote = $this->docx->getFromName('word/endnotes.xml');

}

if (!empty($this->_endnote)) {

$domDocument = new DomDocument();

$domDocument->loadXML($this->_endnote);

$endnotes = $domDocument->getElementsByTagNameNS('http://schemas.openxmlformats.org/wordprocessingml/2006/main', 'endnote');

foreach ($endnotes as $endnote) {

$xml = $endnote->ownerDocument->saveXML($endnote);

$this->endnotes[$endnote->getAttribute('w:id')] = trim(strip_tags($xml));

}

}

}

}

private function loadFootNote()

{

if (empty($this->footnotes)) {

if (empty($this->_footnote)) {

$this->_footnote = $this->docx->getFromName('word/footnotes.xml');

}

if (!empty($this->_footnote)) {

$domDocument = new DomDocument();

$domDocument->loadXML($this->_footnote);

$footnotes = $domDocument->getElementsByTagNameNS('http://schemas.openxmlformats.org/wordprocessingml/2006/main', 'footnote');

foreach ($footnotes as $footnote) {

$xml = $footnote->ownerDocument->saveXML($footnote);

$this->footnotes[$footnote->getAttribute('w:id')] = trim(strip_tags($xml));

}

}

}

}

private function listNumbering()

{

$ids = array();

$nums = array();

$this->_numbering = $this->docx->getFromName('word/numbering.xml');

if (!empty($this->_numbering)) {

$domDocument = new DomDocument();

$domDocument->loadXML($this->_numbering);

$numberings = $domDocument->getElementsByTagNameNS('http://schemas.openxmlformats.org/wordprocessingml/2006/main', 'numbering');

$numberings = $numberings->item(0);

foreach ($numberings->childNodes as $child) {

$flag = true;

foreach ($child->childNodes as $son) {

if ($child->tagName == 'w:abstractNum' && $son->tagName == 'w:lvl') {

foreach ($son->childNodes as $daughter) {

if ($daughter->tagName == 'w:numFmt' && $flag) {

$nums[$child->getAttribute('w:abstractNumId')] = $daughter->getAttribute('w:val');

$flag = false;

}

}

} elseif ($child->tagName == 'w:num' && $son->tagName == 'w:abstractNumId') {

$ids[$son->getAttribute('w:val')] = $child->getAttribute('w:numId');

}

}

}

foreach ($ids as $ind => $id) {

if ($nums[$ind] == 'decimal') {

$this->numberingList[$id][0] = range(1, 10);

$this->numberingList[$id][1] = range(1, 10);

$this->numberingList[$id][2] = range(1, 10);

$this->numberingList[$id][3] = range(1, 10);

} else {

$this->numberingList[$id][0] = array('*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*', '*');

$this->numberingList[$id][1] = array(chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175), chr(175));

$this->numberingList[$id][2] = array(chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237), chr(237));

$this->numberingList[$id][3] = array(chr(248), chr(248), chr(248), chr(248), chr(248), chr(248), chr(248), chr(248), chr(248), chr(248), chr(248));

}

}

}

}

private function printWP($node)

{

$ilvl = $numId = -1;

if ($this->list2text) {

if (empty($this->numberingList)) {

$this->listNumbering();

}

$xpath = new DOMXPath($this->domDocument);

$query = 'w:pPr/w:numPr';

$xmlLists = $xpath->query($query, $node);

$xmlLists = $xmlLists->item(0);

$ret = $this->toText($node);

} else {

$ret = $this->toText($node);

}

if ($this->chart2text) {

$query = 'w:r/w:drawing/wp:inline';

$xmlChart = $xpath->query($query, $node);

foreach ($xmlChart as $chart) {

foreach ($chart->childNodes as $child) {

foreach ($child->childNodes as $child2) {

foreach ($child2->childNodes as $child3) {

$rid = $child3->getAttribute('r:id');

}

}

}

}

}

if ($this->endnote2text) {

if (empty($this->endnotes)) {

$this->loadEndNote();

}

$query = 'w:r/w:endnoteReference';

$xmlEndNote = $xpath->query($query, $node);

foreach ($xmlEndNote as $note) {

$ret .= '[' . $this->endnotes[$note->getAttribute('w:id')] . '] ';

}

}

if ($this->footnote2text) {

if (empty($this->footnotes)) {

$this->loadFootNote();

}

$query = 'w:r/w:footnoteReference';

$xmlFootNote = $xpath->query($query, $node);

foreach ($xmlFootNote as $note) {

$ret .= '[' . $this->footnotes[$note->getAttribute('w:id')] . '] ';

}

}

if ((($ilvl != -1) && ($numId != -1)) || (1)) {

$ret .= $this->separator();

}

return $ret;

}

private function separator()

{

return "\r\n";

}

private function table($node)

{

$output = '';

if ($node->hasChildNodes()) {

foreach ($node->childNodes as $child) {

if ($child->tagName == 'w:tr') {

foreach ($child->childNodes as $cell) {

if ($cell->tagName == 'w:tc') {

if ($cell->hasChildNodes()) {

foreach ($cell->childNodes as $p) {

$output .= $this->printWP($p);

}

$output .= self::SEPARATOR_TAB;

}

}

}

}

$output .= $this->separator();

}

}

return $output;

}

private function toText($node)

{

$xml = $node->ownerDocument->saveXML($node);

return trim(strip_tags($xml));

}

}

$text = new Docx2Text();

$text->setDocx('./1.docx');

$docx = $text->extract();

var_dump($docx);

代码中处理docx的类来自这里

其实docx就是xml的一种扩展类型的文档.

PHP 基于模板动态生成 Word 文档：图片 + 表格数据填充全方案（PHPOffice 实战）
wendyNo的博客
07-09 930
本文基于PHPOffice/PHPWord库实现Word模板化文档生成方案，通过封装writeDocxByTemplate函数支持文本、表格和图片的动态填充。该方案采用模板驱动模式，在.docx模板中设置占位符（如${Title}、${imgLogo}），通过PHP代码将数据批量替换到模板中。核心功能包括：文本内容替换、表格行克隆生成、图片插入等，适用于合同、报表等标准化文档的批量生成。文章详细介绍了技术实现、模板设计规范及使用示例，提供了一套完整的Word自动化生成解决方案。
PHP学习PHPDOC1.docx
12-23
PHPDOC1.docx
php中关于引用(&)详解.docx
01-11
php中关于引用(&)详解 php中关于引用(&)详解 php中关于引用(&)详解
php读取word文件解析图片公式及文字，目前仅支持docx后缀格式
01-12
php读取word文件解析图片公式及文字，目前仅支持docx后缀格式
php 读取docx,PHP怎么获取docx里面内容
weixin_42525632的博客
03-09 714
docx文件的读取docx文件其实是由很多XML文件组成,其中内容就存在于word/document.xml里面。我们找到一个docx文件,使用zip文件打开(或者把docx后缀名改为zip,然后解压)(推荐学习：PHP视频教程)在word目录下有document.xml，docx文件的内容就存在于document.xml里面，我们读取这个文件就可以了.代码如下：function parseWor...
PHP读取word docx文档内容
f897907070的博客
09-01 1423
很明显，这是一个简陋的word读取示例，只读取了段落的对齐方式，文字的字体、大小、是否加粗及图片等信息，其他例如文字颜色、行高。需要的话，请自行查看phpWord源码，看\PhpOffice\PhpWord\Style\xxx 和 \PhpOffice\PhpWord\Element\xxx 等类里有什么读取方法就可以了。图片的处理的话，暂时没有好办法能在不修改源码的情况下处理好，改源码的话，相关代码在 \PhpOffice\PhpWord\Writer\HTML\Element\Image 里。
php读取docx文档并显示
04-26
本文将深入探讨如何使用纯PHP代码来读取docx文档，并且实现类似百度文库那样以格式化的方式展示内容，包括字体、颜色等格式。 首先，docx文件实际上是基于ZIP压缩格式的，包含了一系列XML文件，这些文件存储了文档...
Ubuntu下使用python读取doc和docx文档的内容方法
09-20
安装完成后，我们可以使用python-docx库读取docx格式的文档。文档中的示例代码如下： ```python #coding:utf8 import docx # 打开一个docx文档文件 doc = docx.Document('test.docx') # 将文档中所有的段落...
C#编程读取文档Doc、Docx及Pdf内容的方法
12-26
本文实例讲述了C#编程读取文档Doc、Docx及Pdf内容的方法。分享给大家供大家参考。具体分析如下： Doc文档：Microsoft Word 14.0 Object Library (GAC对象，调用前需要安装word。安装的word版本不同，COM的版本号也会...
PHP读取docx文档内容
hldh214的博客
05-31 8342
从docx文档读取内容并且做简单格式化
php打开word文档_PHP读取word文档的方法分享
weixin_36185593的博客
03-08 1565
本文主要介绍PHP读取word文档的方法,较为详细的分析了COM组件的开启、属性设置及基于COM组件打开并读取word文档的操作技巧,需要的朋友可以参考下，希望能帮助到大家。php开发 过程中可能会word文档的读取问题，这里可以利用com组件来完成此项操作一、先开启php.ini的COM，操作如下1.extension=php_com_dotnet.dll2.com.allow_dcom = t...
PHP异常处理.docx
07-27
本教程稳定详细的介绍了PHP异常的触发、抛出与捕获，PHP新手可以阅读学习
phpdocx:PHPDocx作为PHP库提供，允许您动态创建Microsoft Office Word文档（.docx）
05-01
phpdocx PHP Docx生成器免费 使用（composer.json） "require": { "lpkapil/phpdocx": "1.0.0" }, "repositories": [ { "type": "package", "package": { "name": "lpkapil/phpdocx", "version": "1.0.0", "source": { "url": "https://github.com/lpkapil/phpdocx.git", "type": "git",
PHP知识总结.docx
01-05
PHP知识总结.docx
PHP学习笔记.docx
04-29
PHP学习笔记 目录 一、 PHP基本语法 1 （一） PHP语句分隔符 1 （二） 变量 2 （三） 常量 5 （四） 数据类型 7 （五） 运算符 12 （六） 流程控制代替语法 16 （七） 文件包含 16 （八） 函数 21 （九）字符串 38 （十）数组 44 二、 算法 54 （一） 编程思想 54 （二） 数组排序算法 56 （三） 查找算法 62 三． PHP核心技术 64 （一） 表单传值 64
PHP读取word文档（图片+文字）
10-14
PHP读取word docx文件中图片和 文字
PHPWord读取doc详解
邓草的博客
10-16 2221
在代码中，首先通过ZipArchive对象打开Word文件，然后使用getFromName()方法读取word/document.xml文件的内容，接着通过simplexml_load_string()方法将内容转换为XML格式并解析，最后循环读取每个段落的文本内容并追加到$text变量中，关闭ZipArchive对象并输出内容。在代码中，首先使用PhpOffice\PhpWord\IOFactory::load()方法读取docx文件并输出内容，接着再次使用该方法读取doc文件并输出内容。
php 打开docx文件,通过Php提供.docx文件
weixin_29274337的博客
03-10 349
尝试使用Php提供.docx文件时遇到问题.上传文件时,我检测文件mime类型,并使用基于mime类型的正确扩展名的文件上传文件;例如下面：application/msword - docapplication/vnd.openxmlformats-officedocument.wordprocessingml.document - docx当试图提供文件供下载时,我反过来检测扩展和基于mime类...
PHPWord库：使用PHP进行Word文档处理
最新发布
weixin_36073714的博客
05-05 2125
PHPWord是PHP语言开发的一个库，用于创建和修改Microsoft Word文档。它支持*.docx格式，并且作为PHP开发的文档处理工具，填补了在该领域的空白。在本章节中，我们将了解PHPWord的基本概念、功能以及它的使用场景。在文档处理领域，尤其是在自动化办公软件中，能够支持多格式导出的工具对于用户的吸引力是非常大的。PHPWord库不仅允许用户创建Word文档（.docx），还提供了将文档导出为其他格式的能力。支持的导出格式包括但不限于：PDF。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值