使用PHPWord将word文档解析为字符串

Question

我尝试过几种解决方案，在PHP中将word文档解析为字符串，但是它们有时在某些word文档中遇到问题。因此，我现在尝试PHPWord尝试将word文档解析为一个字符串。

我在PHPWord中查看这个示例文件，它读取一个Word文档并输出到另一个Word文档：

include_once 'Sample_Header.php';

// Read contents
$name = basename(__FILE__, '.php');
$source = "resources/{$name}.doc";
echo date('H:i:s'), " Reading contents from `{$source}`", EOL;
$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

// (Re)write contents
$writers = array('Word2007' => 'docx', 'ODText' => 'odt', 'RTF' => 'rtf');
foreach ($writers as $writer => $extension) {
    echo date('H:i:s'), " Write to {$writer} format", EOL;
    $xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, $writer);
    $xmlWriter->save("{$name}.{$extension}");
    rename("{$name}.{$extension}", "results/{$name}.{$extension}");
}

include_once 'Sample_Footer.php';

但是，我不想输出另一个完整的Word文档，我只想将内容解析为PHP中的一个字符串。如何将其修改为将内容输出到字符串？

Answer 1

您必须使用收到的对象：

$phpWord = \PhpOffice\PhpWord\IOFactory::load($source, 'MsDoc');

它是数组和对象的多维对象，您必须定位[elements]属性，其中您必须定位‘text property. Thistext’属性包含从Word文件中提取的文本。

请记住，在默认情况下，这两个属性是受保护的，因此您必须在PHPWord库文件中更改它们的状态--对于[elements]是AbstractContainer.php，对于[text]是Text.php。一旦将这两个属性的状态更改为public，就可以从$phpWord对象中提取它们。

现在我可以从.doc文件中提取文本，但我注意到的是，PHPWord只会从任何.doc文件中提取大约60%的文本，有时只是将它提取的最后一个单词减少一半。所以，如果您的文件有4,000个单词，那么PHPWord只得到大约2,000个单词。

实际上，我不明白为什么PHPWord不想得到所有的文本。没有注意，没有异常，只有一个对象没有.doc文件中一半的文本。