problema PHP e PDF

[submegaman]

Salve e tutti sto cercando di fare uno scritp che legga il contenuto di alcuni file pdf, giracchiando un po ho trovato un codice che legge solo alcuni pdf e altri no, il codice è il seguente:

//con questo lo richiamo
pdf2txt($path.'/'.$file); 

qui invece il codice per la lettura

// Function    : pdf2txt()
// Arguments   : $filename - Filename of the PDF you want to extract
// Description : Reads a pdf file, extracts data streams, and manages
//               their translation to plain text - returning the plain
//               text at the end
// Author      : Jonathan Beckett, 2005-05-02
function pdf2txt($filename){

    $data = getFileData($filename);

    // grab objects and then grab their contents (chunks)
    $a_obj = getDataArray($data,"obj","endobj");
    
    foreach($a_obj as $obj){

        $a_filter = getDataArray($obj,"<<",">>");
        if (is_array($a_filter)){
            $j++;
            $a_chunks[$j]["filter"] = $a_filter[0];

            $a_data = getDataArray($obj,"stream\r\n","endstream");
            if (is_array($a_data)){
                $a_chunks[$j]["data"] = substr($a_data[0],strlen("stream\r\n"),strlen($a_data[0])-strlen("stream\r\n")-strlen("endstream"));
            }
        }
    }

    // decode the chunks
    foreach($a_chunks as $chunk){

        // look at each chunk and decide how to decode it - by looking at the contents of the filter
        $a_filter = split("/",$chunk["filter"]);
        
        if ($chunk["data"]!=""){
            // look at the filter to find out which encoding has been used            
            if (substr($chunk["filter"],"FlateDecode")!==false){
                $data =@ gzuncompress($chunk["data"]);
                if (trim($data)!=""){
                    $result_data .= ps2txt($data);
                } else {
                
                    //$result_data .= "x";
                }
            }
        }
    }
    
    return $result_data;
    
}


// Function    : ps2txt()
// Arguments   : $ps_data - postscript data you want to convert to plain text
// Description : Does a very basic parse of postscript data to
//               return the plain text
// Author      : Jonathan Beckett, 2005-05-02
function ps2txt($ps_data){
    $result = "";
    $a_data = getDataArray($ps_data,"[","]");
    if (is_array($a_data)){
        foreach ($a_data as $ps_text){
            $a_text = getDataArray($ps_text,"(",")");
            if (is_array($a_text)){
                foreach ($a_text as $text){
                    $result .= substr($text,1,strlen($text)-2);
                }
            }
        }
    } else {
        // the data may just be in raw format (outside of [] tags)
        $a_text = getDataArray($ps_data,"(",")");
        if (is_array($a_text)){
            foreach ($a_text as $text){
                $result .= substr($text,1,strlen($text)-2);
            }
        }
    }
    return $result;
}


// Function    : getFileData()
// Arguments   : $filename - filename you want to load
// Description : Reads data from a file into a variable
//               and passes that data back
// Author      : Jonathan Beckett, 2005-05-02
function getFileData($filename){
    $handle = fopen($filename,"rb");
    $data = fread($handle, filesize($filename));
    fclose($handle);
    return $data;
}


// Function    : getDataArray()
// Arguments   : $data       - data you want to chop up
//               $start_word - delimiting characters at start of each chunk
//               $end_word   - delimiting characters at end of each chunk
// Description : Loop through an array of data and put all chunks
//               between start_word and end_word in an array
// Author      : Jonathan Beckett, 2005-05-02
function getDataArray($data,$start_word,$end_word){

    $start = 0;
    $end = 0;
    unset($a_result);
    
    while ($start!==false && $end!==false){
        $start = strpos($data,$start_word,$end);
        if ($start!==false){
            $end = strpos($data,$end_word,$start);
            if ($end!==false){
                // data is between start and end
                $a_result[] = substr($data,$start,$end-$start+strlen($end_word));
            }
        }
    }
    return $a_result;
} 

uso un processo che scandaglia tutte le cartelle alla ricerca di pdf per poi cercare delle parole al suo interno, solo che alcuni pdf non li apre, sapreste dirmi perchè.

[serdominik]

sicuro che tutti i pdf sn testuali e non immagine???

non so se lo sai ma quando vengono creati i pdf si possono trasformare i caratteri in curva quindi impossibile cercare nei pdf

[submegaman]

Originariamente inviato da serdominik
sicuro che tutti i pdf sn testuali e non immagine???

non so se lo sai ma quando vengono creati i pdf si possono trasformare i caratteri in curva quindi impossibile cercare nei pdf

grazie per la risposta, i pdf sono creati da documenti e non da immaigni, solo che alcuni vanno a altri no :master:

[submegaman]

girando in giro avevo trovato del codice che effettuava delle operazioni usando una classe COM, solo che ora non riesco più a trovare la pagina dove l'avevo visto, qualcuno è a conoscenza di questo????