Как в php открыть word

От автора: не так давно на нашем сайте был опубликован урок по созданию документов MS Word средствами языка PHP, и с использованием специальной библиотеки PHPWord. Но в комментариях к данному видео – прозвучал вопрос, как при помощи данной библиотеки читать готовые документы, что собственно и подтолкнуло меня к записи данного урока, в котором мы с Вами научимся, используя выше указанную библиотеку, читать ранее созданные документы MSWord.

В данном уроке мы продолжаем изучать возможности PHPWord, а именно рассмотрим инструменты по чтению готовых документов MS Word. Хотел бы отметить, что сегодня мы будем работать с уже установленной библиотекой, потому как это уже второй урок по данной теме, а значит, на основах подробно останавливаться не будем. Поэтому рекомендую, перед просмотром данного видео ознакомиться с первой часть урока – PHPWord — создание MS Word документов средствами PHP.

Итак, заготовка, тестового скрипта состоит из одного единственного файла index.php, в коде которого выполнена установка библиотеки.

Итак, заготовка, тестового скрипта состоит из одного единственного файла index.php, в коде которого выполнена установка библиотеки.

Для начала создадим переменную, в которой будет храниться путь к документу MSWord, с которым мы будем работать.

Далее, вспомним, что в начале работы с библиотекой необходимо создать объект главного класса PHPWord, но это в том случае если создается новый документ. Если же осуществляется чтение готового файла MS Word – объект указанного класса необходимо создать для интересующего документа, но перед этим его нужно прочитать.

Для чтения готовых документов в PHPWord предусмотрена группа классов, отвечающих за чтение документов различных форматов. А значит, первым делом создадим объект специального “класса-риддера“.

Далее, используя данный объект – выполним чтение документа формата MS Word.

Таким образом, по сути, задача урока выполнена, так как документ прочитан и его данные располагаются в структуре только что созданного объекта $phpWord. Но давайте поговорим о том, как же получить данные хранящиеся в объекте.

По официальной документации любая информация документа MS Word, согласно библиотеке PHPWord, располагается в отдельных секциях. При этом каждая секция содержит определенный набор элементов – текст, таблица, изображение, ссылка и т.д. Элементы – же в свою очередь, так же могут быть сложными и включать в себя некий набор вложенных элементов, к примеру таблицы.

Поэтому, вызывая на исполнение метод getSections(), мы получаем доступ к секциям документа, при этом в качестве результата будет возвращен массив, а значит мы его можем обойти циклом foreach().

При этом в коде цикла, для каждой секции, получим массив входящих элементов, вызывая на исполнение метод getElements(). Так как возвращаемое значение – это массив, значит, используя выше указанный цикл, мы можем получить доступ к каждой его ячейке.

При этом в переменной $e на каждой итерации цикла, содержится объект одного из элементов массива секций. Казалось бы, мы сразу можем получить текстовые данные MS Word, но для начала нужно проверить, что содержится в переменной $e.

Если в данной переменной содержится объект класса ‘PhpOfficePhpWordElementTextRun’, значит мы работаем с сложной текстовой областью, в которой располагается несколько более простых элементов. Поэтому повторно вызываем метод getElements() и по результату проходимся в цикле foreach().

Таким образом, для текущего документа, в переменную $text, попадает объект элемента Text, то есть элемент простейшего текст, для получения которого достаточно вызвать на исполнение метод getText(). Для получения информации о форматировании текущего элемента, необходимо обратиться к методу getFontStyle(), который вернет объект в закрытых свойствах которого содержится указанная информация. Соответственно для доступа к значениям этих свойств необходимо использовать специальные методы:

Все содержимое документа, записывается в переменную $body, значение которой будет отображено на экране, используя шаблон. Пустые строки документа представляют собой объект элемента TextBreak, который можно обработать следующим образом:

Для обработки таблиц, придется добавить достаточно много строк кода, потому как таблица – это сложный элемент Table, который состоит из отдельных строк, а те в свою очередь из отдельных ячеек. И более того, каждая ячейка, может содержать еще вложенные элементы, потому как, к примеру в одной ячейке так же можно сформировать таблицу. Ниже приведу весь код, вместе с кодом обработки таблиц.

Для получения строк, необходимо вызвать метод getRows(), при этом в качестве результата будет возвращен массив объектов с информацией по каждой строке (элемент Row). Используя foreach(), обходим данный массив и для каждой строки получаем ячейки, при помощи метода getCells(). При этом опять же возвращается массив, который все так же мы обходим циклом. А далее для каждой ячейки вызываем на исполнение метод getElements(), для получения ее элементов. И так далее по принципу описанным выше.

Далее, осталось только отобразить значение переменной $body, любым удобным для Вас способом.

На этом данный урок я буду завершать. Как Вы видите, PHPWord предоставляет достаточно мощные инструменты по работе с документами MS Word, но и в тоже время сложные в плане получения данных из объектов.

Всего Вам доброго и удачного кодирования!!!

Сайт сегодня – это непросто странички, а в большинстве случаев целая система по обработке и генерации различных данных. Часто бывает необходимо вывести данные с сайта в какой-либо распространенный формат, например, в PDF, DOCX, CSV и т.д. Рассмотрим, как можно вывести данные в файл DOCX на PHP.

Немного о формате DOCX. Это расширение файлов для программы Microsoft Office, продукт Word. Microsoft Word представляет собой текстовый процессор, который предназначен для создания, просмотра и редактирования текстовых документов. Раньше Word в основном использовался двоичный формат сохранения файлов, расширение DOC. Но, на смену ему пришел более совершенный формат – DOCX. Как устроен DOCX?

DOCX – это просто архив, в котором содержатся все необходимые файлы для документа, сам документ хранится в формате XML. Это делает возможным легко открыть архив на PHP и вывести нужные данные в файл XML внутри контейнера DOCX. Чтобы лучше понять, что содержится в таком файле, можно взять любой архиватор и открыть с его помощью файл DOCX. Внутри Вы увидите определенную структуру из папок и файлов.

Основной интерес представляет собой папка word, в ней то и содержится основное содержимое файла DOCX. Как видно, все файлы и настройки в этом формате стремились сделать с расширением XML, это неспроста, ведь X на конце означает отношение к XML. На рисунке ниже можно увидеть содержимое папки word, главный файл здесь document.xml.

Именно файл document.xml и содержит весь основной контент документа DOCX. Работать с форматом XML достаточно просто при помощи любых средств, ведь этот формат напоминает обычный текст, только он четко структурирован, что позволяет легко обратиться в любую точку файла и изменить любые данные.

Чтобы открыть DOCX на PHP и записать туда нужные данные, можно использовать довольно простой код:

$docx = new ZipArchive();

if ($docx->open('path_to_file/file.docx') === true) {	
	$xml = $docx->getFromName('word/document.xml');
	
	$xml = str_replace('[ИСКОМЫЙ ТЕКСТ]', 'ЗАМЕЩАЮЩИЙ ТЕКСТ', $xml);
	
	$docx->addFromString('word/document.xml', $xml);	
	
	$docx->close();
}

Сначала создается объект ZIP архива, в который затем считывается содержимое DOCX, из DOCX извлекается контент document.xml. Затем происходит непосредственная запись данных в файл, просто ищется заранее подготовленное место в файле DOCX в виде токена [ИСКОМЫЙ ТЕКСТ] и на его место записываются любые данные. После выполнения этой операции, происходит запись обновленного document.xml в DOCX и архив закрывается.

Важно проследить за целостностью токенов, если текст заменятся таким способом. Сделать это можно достаточно просто. Сначала откройте нужный файл в Word и расставьте токены, желательно написать их в простом блокноте и затем вставлять на нужные позиции. После чего, сохраните файл DOCX и откройте его архиватором, найдите и откройте в нем document.xml – проверьте целостность токенов, они должны быть написаны слитно, без разрывов. Только в таком случае, возможна корректная замена токенов на нужный текст.

Таким образом, было рассмотрено устройство формата DOCX, а также показано, как можно легко записать данные в DOCX на PHP.

Время на прочтение
2 мин

Количество просмотров 11K

Есть два основных способа построить Excel, Word, и PowerPoint используя PHP. Первый — используя библиотеку COM (только под Windows сервером) и другой — используя более стандартизированные форматы, такие как CSV и HTML.

Динамической создание Word документа:

<?php
$word = new COM("word.application");

Динамическое создание Excel документа:

<?php
$excel = new COM("excel.application");
$excel->Visible = 0;

Динамическое создание презентации Powerpoint

<?php
$powerpnt = new COM("powerpoint.application");
//Creating a new presentation
$pres=$powerpnt->Presentations->Add();
//Adds the first slide. "12" means blank slide
$pres->Slides->Add(1,12);
//Adds another slide. "10" means a slide with a clipart and text
$pres->Slides->Add(2,10);
//Adds a textbox
$pres->Slides[1]->Shapes->AddTextbox(1,20,50,300,40);
//Save the document as PPT file
$powerpnt->Presentations[1]->SaveAs("C:Docstest1.ppt");

Как найти функции Word, Excel, и Powerpoint

Текст далее рассказывает как найти функции работы с Microsoft Office components из-под PHP:

1. Откройте Microsoft Word, Excel, или Powerpoint
2. Нажмите Alt+F11 для того, что бы начать Visual Basic Editor
3. Нажмите F2
4. Найдите «ThisDocument» слева. В правом фрейме вы увидите возможные переменные и функции, которые могут быть использованы для COM объекта

How to read and view docx Files using PHP. Now days processing Word Document is becoming more popular. Even you can create a new Word Document and process with it. My previous article describes you to create Word Document by using PHP.

Today we are going to discuss about reading the Docx files and convert it into text and view it online. Let’s begin with steps and codes,

<?php
function kv_read_word($input_file){	
	 $kv_strip_texts = ''; 
         $kv_texts = ''; 	
	if(!$input_file || !file_exists($input_file)) return false;
		
	$zip = zip_open($input_file);
		
	if (!$zip || is_numeric($zip)) return false;
	
	
	while ($zip_entry = zip_read($zip)) {
			
		if (zip_entry_open($zip, $zip_entry) == FALSE) continue;
			
		if (zip_entry_name($zip_entry) != "word/document.xml") continue;

		$kv_texts .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));
			
		zip_entry_close($zip_entry);
	}
	
	zip_close($zip);
		

	$kv_texts = str_replace('</w:r></w:p></w:tc><w:tc>', " ", $kv_texts);
	$kv_texts = str_replace('</w:r></w:p>', "rn", $kv_texts);
	$kv_strip_texts = nl2br(strip_tags($kv_texts,’‘));

	return $kv_strip_texts;
}
?>

The above function will helps you to get parse the text’s in a Word Document and  return it.

Now, we need to give the input file and its path as input to the function and print it for results.

<?php
$kv_texts = kv_read_word('path/to/the/file/kvcodes.docx');
if($kv_texts !== false) {		
	echo nl2br($kv_texts);	
}
else {
	echo 'Can't Read that file.';
}
?>

That’s it to read a docx file  and print it as text.

I have another article for WordPress user, who can try this to process Docx files using php and WordPress

How to Read and get Texts from Docx Files in WordPress

Можно ли читать и записывать файлы Word (2003 и 2007) на PHP без использования COM-объекта? Я знаю, что можно сделать так:

$file = fopen(‘c:file.doc’, ‘w+’);

fwrite($file, $text);

fclose();

но Word будет читать его как HTML-файл, а не как собственный файл .doc.

Ответ 1

Чтение двоичных документов Word потребовало бы создания анализатора в соответствии с опубликованными спецификациями формата файлов DOC. Я думаю, что это не является реально выполнимым решением. Вы можете использовать форматы Microsoft Office XML для чтения и записи файлов Word — они совместимы с версиями Word 2003 и 2007. Для чтения необходимо убедиться, что документы Word сохранены в правильном формате (он называется Word 2003 XML-Document в Word 2007). Для записи достаточно следовать общедоступной XML-схеме. Я никогда не использовал этот формат для записи документов Office из PHP, но я использую его для чтения рабочего листа Excel (естественно, сохраненного как XML-Spreadsheet 2003) и отображения его данных на веб-странице. Поскольку файлы представляют собой обычные XML-данные, не составляет труда сориентироваться в них и понять, как извлечь нужные данные. Другой вариант — вариант только для Word 2007 (если форматы файлов OpenXML не установлены в вашем Word 2003) — это пересортировка в OpenXML. Формат файла DOCX — это просто ZIP-архив с включенными XML-файлами. На MSDN есть много ресурсов по формату файлов OpenXML, так что вы должны быть в состоянии понять, как читать нужные вам данные. Запись будет намного сложнее, я думаю, все зависит от того, сколько времени вы потратите на это. Возможно, вы можете взглянуть на PHPExcel — библиотеку, способную писать в файлы Excel 2007 и читать из файлов Excel 2007, используя стандарт OpenXML. Вы можете получить представление о работе, связанной с чтением и записью документов OpenXML Word.

Ответ 2

Данное решение работает с vs < office 2007, и это чистый PHP без всякого COM:

<?php

 /*****************************************************************

Этот подход использует обнаружение NUL (chr(00)) и конца строки (chr(13))

чтобы определить, где находится текст:

— разделяем содержимое файла на фрагменты по chr(13)

— отбрасываем все фрагменты, содержащие NUL

— сшиваем оставшиеся вместе

— очищаем с помощью регулярного выражения

*****************************************************************/

function parseWord($userDoc)  {

    $fileHandle = fopen($userDoc, «r»);

    $line = @fread($fileHandle, filesize($userDoc));   

    $lines = explode(chr(0x0D),$line);

    $outtext = «»;

    foreach($lines as $thisline) {

        $pos = strpos($thisline, chr(0x00));

        if (($pos !== FALSE)||(strlen($thisline)==0)) {

          } else {

            $outtext .= $thisline.» «;

          }

      }

     $outtext = preg_replace(«/[^a-zA-Z0-9s,.-nrt@/_()]/»,»»,$outtext);

    return $outtext;

} 

$userDoc = «cv.doc»;

$text = parseWord($userDoc);

echo $text;

?>

Ответ 3

Просто обновляем код из предыдущего ответа:

<?php

 /*****************************************************************

Этот подход использует обнаружение NUL (chr(00)) и конца строки (chr(13))

чтобы определить, где находится текст:

— разделяем содержимое файла на фрагменты по chr(13)

— отбрасываем все фрагменты, содержащие NUL

— сшиваем оставшиеся вместе

— очищаем с помощью регулярного выражения

*****************************************************************/

function parseWord($userDoc)  {

    $fileHandle = fopen($userDoc, «r»);

    $word_text = @fread($fileHandle, filesize($userDoc));

    $line = «»;

    $tam = filesize($userDoc);

    $nulos = 0;

    $caracteres = 0;

    for($i=1536; $i<$tam; $i++) {

        $line .= $word_text[$i];

        if( $word_text[$i] == 0) {

            $nulos++;

        } else {

            $nulos=0;

            $caracteres++;

        }

        if( $nulos>1996)

        {   

            break;  

        }

    }

    //echo $caracteres;

    $lines = explode(chr(0x0D),$line);

    //$outtext = «<pre>»;

    $outtext = «»;

    foreach($lines as $thisline) {

        $tam = strlen($thisline);

        if( !$tam ) {

            continue;

        }

        $new_line = «»; 

        for($i=0; $i<$tam; $i++) {

            $onechar = $thisline[$i];

            if( $onechar > chr(240) ) {

                continue;

            }

            if( $onechar >= chr(0x20) ) {

                $caracteres++;

                $new_line .= $onechar;

            }

            if( $onechar == chr(0x14) ) {

                $new_line .= «</a>»;

            }

            if( $onechar == chr(0x07) ) {

                $new_line .= «t»;

                if( isset($thisline[$i+1]) ) {

                    if( $thisline[$i+1] == chr(0x07) ) {

                        $new_line .= «n»;

                    }

                }

            }

        }

        //troca por hiperlink

        $new_line = str_replace(«HYPERLINK» ,»<a href=»,$new_line); 

        $new_line = str_replace(«o» ,»>»,$new_line); 

        $new_line .= «n»;

        //link de imagens

        $new_line = str_replace(«INCLUDEPICTURE» ,»<br><img src=»,$new_line); 

        $new_line = str_replace(«*» ,»><br>»,$new_line); 

        $new_line = str_replace(«MERGEFORMATINET» ,»»,$new_line); 

        $outtext .= nl2br($new_line);

    }

    return $outtext;

} 

$userDoc = «custo.doc»;

$userDoc = «Cultura.doc»;

$text = parseWord($userDoc);

echo $text;

?>

Ответ 4

www.phplivedocx.org — это сервис на основе SOAP, который выполняет онлайн—тестирование файлов. Файлы также имеют достаточно примеров для его использования. Я думаю, что без COM это просто невозможно на Linux—сервере, и единственная идея — изменить doc файл в другой файл, который PHP может разобрать…

Ответ 5

Используя Open XML SDK и VSTO [Visual Studio Tools For Office], мы можем легко работать с файлами Word, манипулировать ими и даже конвертировать внутри в различные форматы, такие как .odt,.pdf,.docx и т. д. Итак, зайдите на сайт msdn.microsoft.com и внимательно изучите вкладку office development. Это самый простой способ сделать это, так как все функции, которые нам нужно реализовать, уже доступны в .net!!! Но так как вы хотите сделать свой проект на PHP, вы можете сделать это в Visual Studio и .net, потому как PHP также является одним из .net Compliant Language!!!

Ответ 6

Используйте следующий класс непосредственно для чтения документа Word:

class DocxConversion{

    private $filename;

    public function __construct($filePath) {

        $this->filename = $filePath;

    }

    private function read_doc() {

        $fileHandle = fopen($this->filename, «r»);

        $line = @fread($fileHandle, filesize($this->filename));   

        $lines = explode(chr(0x0D),$line);

        $outtext = «»;

        foreach($lines as $thisline) {

            $pos = strpos($thisline, chr(0x00));

            if (($pos !== FALSE)||(strlen($thisline)==0)) {

              } else {

                $outtext .= $thisline.» «;

              }

          }

         $outtext = preg_replace(«/[^a-zA-Z0-9s,.-nrt@/_()]/»,»»,$outtext);

        return $outtext;

    }

    private function read_docx(){

        $striped_content = »;

        $content = »;

        $zip = zip_open($this->filename);

        if (!$zip || is_numeric($zip)) return false;

        while ($zip_entry = zip_read($zip)) {

            if (zip_entry_open($zip, $zip_entry) == FALSE) continue;

            if (zip_entry_name($zip_entry) != «word/document.xml») continue;

            $content .= zip_entry_read($zip_entry, zip_entry_filesize($zip_entry));

            zip_entry_close($zip_entry);

        }// end while

        zip_close($zip);

        $content = str_replace(‘</w:r></w:p></w:tc><w:tc>’, » «, $content);

        $content = str_replace(‘</w:r></w:p>’, «rn», $content);

        $striped_content = strip_tags($content);

        return $striped_content;

    }

 /************************excel sheet************************************/

function xlsx_to_text($input_file){

    $xml_filename = «xl/sharedStrings.xml»; //content file name

    $zip_handle = new ZipArchive;

    $output_text = «»;

    if(true === $zip_handle->open($input_file)){

        if(($xml_index = $zip_handle->locateName($xml_filename)) !== false){

            $xml_datas = $zip_handle->getFromIndex($xml_index);

            $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);

            $output_text = strip_tags($xml_handle->saveXML());

        }else{

            $output_text .=»»;

        }

        $zip_handle->close();

    }else{

    $output_text .=»»;

    }

    return $output_text;

}

/*************************power point files*****************************/

function pptx_to_text($input_file){

    $zip_handle = new ZipArchive;

    $output_text = «»;

    if(true === $zip_handle->open($input_file)){

        $slide_number = 1; //loop through slide files

        while(($xml_index = $zip_handle->locateName(«ppt/slides/slide».$slide_number.».xml»)) !== false){

            $xml_datas = $zip_handle->getFromIndex($xml_index);

            $xml_handle = DOMDocument::loadXML($xml_datas, LIBXML_NOENT | LIBXML_XINCLUDE | LIBXML_NOERROR | LIBXML_NOWARNING);

            $output_text .= strip_tags($xml_handle->saveXML());

            $slide_number++;

        }

        if($slide_number == 1){

            $output_text .=»»;

        }

        $zip_handle->close();

    }else{

    $output_text .=»»;

    }

    return $output_text;

}

    public function convertToText() {

       if(isset($this->filename) && !file_exists($this->filename)) {

            return «File Not exists»;

        }

        $fileArray = pathinfo($this->filename);

        $file_ext  = $fileArray[‘extension’];

        if($file_ext == «doc» || $file_ext == «docx» || $file_ext == «xlsx» || $file_ext == «pptx») {

            if($file_ext == «doc») {

                return $this->read_doc();

            } elseif($file_ext == «docx») {

                return $this->read_docx();

            } elseif($file_ext == «xlsx») {

                return $this->xlsx_to_text();

            }elseif($file_ext == «pptx») {

                return $this->pptx_to_text();

            }

        } else {

            return «Invalid File Type»;

        }

    }

}

$docObj = new DocxConversion(«test.docx»); //замените имя документа правильным расширением doc или docx

echo $docText= $docObj->convertToText();