PHP读取word docx文档内容及处理图片

2023-08-28 23:48| 来源: 网络整理| 查看: 265

PHP读取word文档里的文字及图片，并保存

一、composer安装phpWord

composer require phpoffice/phpword

传送门：https://packagist.org/packages/phpoffice/phpword

二、phpWord 读取 docx 文档（注意是docx格式，doc格式不行）

如果你的文件是doc格式，直接另存为一个docx就行了；如果你的doc文档较多，可以下一个批量转换工具：http://www.batchwork.com/en/doc2doc/download.htm

如果你还没配置自动加载，则先配置一下：

require './vendor/autoload.php';

加载文档：

$dir = str_replace('\\', '/', __DIR__) . '/'; $source = $dir . 'test.docx'; $phpWord = \PhpOffice\PhpWord\IOFactory::load($source);

三、关键点

1）对齐方式：PhpOffice\PhpWord\Style\Paragraph -> getAlignment()

2）字体名称：\PhpOffice\PhpWord\Style\Font -> getName()

3）字体大小：\PhpOffice\PhpWord\Style\Font -> getSize()

4）是否加粗：\PhpOffice\PhpWord\Style\Font -> isBold()

5）读取图片：\PhpOffice\PhpWord\Element\Image -> getImageStringData()

6）ba64格式图片数据保存为图片：file_put_contents($imageSrc, base64_decode($imageData))

四、完整代码

require './vendor/autoload.php'; function docx2html($source) { $phpWord = \PhpOffice\PhpWord\IOFactory::load($source); $html = ''; foreach ($phpWord->getSections() as $section) { foreach ($section->getElements() as $ele1) { $paragraphStyle = $ele1->getParagraphStyle(); if ($paragraphStyle) { $html .= '

'; } else { $html .= '

'; } if ($ele1 instanceof \PhpOffice\PhpWord\Element\TextRun) { foreach ($ele1->getElements() as $ele2) { if ($ele2 instanceof \PhpOffice\PhpWord\Element\Text) { $style = $ele2->getFontStyle(); $fontFamily = mb_convert_encoding($style->getName(), 'GBK', 'UTF-8'); $fontSize = $style->getSize(); $isBold = $style->isBold(); $styleString = ''; $fontFamily && $styleString .= "font-family:{$fontFamily};"; $fontSize && $styleString .= "font-size:{$fontSize}px;"; $isBold && $styleString .= "font-weight:bold;"; $html .= sprintf('%s', $styleString, mb_convert_encoding($ele2->getText(), 'GBK', 'UTF-8') ); } elseif ($ele2 instanceof \PhpOffice\PhpWord\Element\Image) { $imageSrc = 'images/' . md5($ele2->getSource()) . '.' . $ele2->getImageExtension(); $imageData = $ele2->getImageStringData(true); // $imageData = 'data:' . $ele2->getImageType() . ';base64,' . $imageData; file_put_contents($imageSrc, base64_decode($imageData)); $html .= ''; } } } $html .= '

'; } } return mb_convert_encoding($html, 'UTF-8', 'GBK'); } $dir = str_replace('\\', '/', __DIR__) . '/'; $source = $dir . 'test.docx'; echo docx2html($source);

五、补充

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。。。等等信息都忽悠了。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

六、2020-07-21 补充

可以用以下方法直接获取到完整的html

$phpWord = \PhpOffice\PhpWord\IOFactory::load('xxx.docx'); $xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML"); $html = $xmlWriter->getContent();

注：html内容里包含了head部分，如果只需要style和body的话，需要自己处理一下；然后图片是base64的，要保存的话，也需要自己处理一下

base64数据保存为图片请参考上面代码

如果只想获取body里的内容，可以参考 \PhpOffice\PhpWord\Writer\HTML\Part\Body 里的 write 方法

$phpWord = \PhpOffice\PhpWord\IOFactory::load('xxxx.docx'); $htmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML"); $content = ''; foreach ($phpWord->getSections() as $section) { $writer = new \PhpOffice\PhpWord\Writer\HTML\Element\Container($htmlWriter, $section); $content .= $writer->write(); } echo $content;exit;

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

public function write() { if (!$this->element instanceof ImageElement) { return ''; } $content = ''; $imageData = $this->element->getImageStringData(true); if ($imageData !== null) { $styleWriter = new ImageStyleWriter($this->element->getStyle()); $style = $styleWriter->write(); // $imageData = 'data:' . $this->element->getImageType() . ';base64,' . $imageData; $imageSrc = 'images/' . md5($this->element->getSource()) . '.' . $this->element->getImageExtension(); // 这里可以自己处理，上传oss之类的 file_put_contents($imageSrc, base64_decode($imageData)); $content .= $this->writeOpening(); $content .= ""; $content .= $this->writeClosing(); } return $content; }

完。

【本文地址】

公司简介

联系我们