Leer documentos PDF

[ajgallego]

He encontrado la siguiente función, pero no obtiene ningún resultado a partir de un documento PDF normal. He estado comprobando lo que hace y al descomprimir los datos del PDF con @gzuncompress ($data); no devuelve nada. Puede ser problema de la función utilizada, que no utilice el mismo tipo de compresión.

Alguien sabe algo de esto?

El código es el siguiente:

Código PHP:

  function pdf2string ($sourceFile) 
  { 
   $textArray = array (); 
   $objStart = 0; 
   
   $fp = fopen ($sourceFile, 'rb'); 
   $content = fread ($fp, filesize ($sourceFile)); 
   echo $content; 
   fclose ($fp); 
   
   $searchTagStart = chr(13).chr(10).'stream'; 
   $searchTagStartLenght = strlen ($searchTagStart); 
   
   while ((($objStart = strpos ($content, $searchTagStart, $objStart)) && ($objEnd = strpos ($content, 'endstream', $objStart+1)))) 
   { 
     $data = substr ($content, $objStart + $searchTagStartLenght + 2, $objEnd - ($objStart + $searchTagStartLenght) - 2); 
     $data = @gzuncompress ($data); 
     
     if ($data !== FALSE && strpos ($data, 'BT') !== FALSE && strpos ($data, 'ET') !== FALSE) 
     { 
       $textArray [] = ExtractText ($data); 
     } 
     
     $objStart = $objStart < $objEnd ? $objEnd : $objStart + 1; 
   } 
   
   return $textArray; 
  } 
  
  function ExtractText ($postScriptData) 
  { 
   while ((($textStart = strpos ($postScriptData, '(', $textStart)) && ($textEnd = strpos ($postScriptData, ')', $textStart + 1)) && substr ($postScriptData, $textEnd - 1) != '\\')) 
   { 
     $plainText .= substr ($postScriptData, $textStart + 1, $textEnd - $textStart - 1); 
     if (substr ($postScriptData, $textEnd + 1, 1) == ']') //this adds quite some additional spaces between the words 
     { 
       $plainText .= ' '; 
     } 
     
     $textStart = $textStart < $textEnd ? $textEnd : $textStart + 1; 
   } 
   
   return stripslashes ($plainText); 
  } 
?>