Witam.

Chce wydobyć z PDFa tekst w PHPie. PDFy są generowane z worda, ale niestety wyskakują mi krzaki np. T?i??W?

[PHP] pobierz, plaintext 
    include 'pdf2text.php';
 
    $pdf= new PDF2Text;
 
    $pdf->setFilename('pdf_z_worda.pdf');
    $pdf->decodePDF();
 
    echo $pdf->output();
[PHP] pobierz, plaintext 

Niektóre pdfy są ok odczyta, ale te z worda już nie.

Korzystam z klasy http://www.phpclasses.org/browse/file/31030.html,
ale też korzystałem z http://www.pdfparser.org/ co też krzaczy.
Jest wiele klas podobnych do pdf2text, gdzie wszystkie wyłowują ten sam efekt ...

Jeżeli masz serwer na linux`ie to możesz użyć pdftohtml, a następnie scrapować html`a wynikowego. Krótszej drogi nie znam ale może ktoś inny zna