[Sommaire] [Imprimer]

   1  <?php
   2  
   3  //
   4  // Lit un document 'doc' et extrait son contenu en texte brut
   5  //
   6  
   7  // NOTE : l'extracteur n'est pas oblige de convertir le contenu dans
   8  // le charset du site, mais il *doit* signaler le charset dans lequel
   9  // il envoie le contenu, de facon a ce qu'il soit converti au moment
  10  // voulu ; dans le cas contraire le document sera lu comme s'il etait
  11  // dans le charset iso-8859-1
  12  
  13  function extracteur_doc($fichier, &$charset) {
  14  
  15      $charset = 'iso-8859-1';
  16  
  17      exec('metamail -d -q -b -c application/msword '.escapeshellarg($fichier), $r, $e);
  18      if (!$e) return join(' ', $r);
  19  
  20      # wvText
  21      # http://wvware.sourceforge.net/
  22      $temp = tempnam(_DIR_CACHE, 'doc');
  23      exec('wvText '.escapeshellarg($fichier).'> '.$temp, $r, $e);
  24      lire_fichier($temp, $contenu);
  25      @unlink($temp);
  26      if (!$e) return $contenu;
  27  
  28      # antiword
  29      # http://www.winfield.demon.nl/
  30      exec('antiword '.escapeshellarg($fichier), $r, $e);
  31      if (!$e) return join(' ', $r);
  32  
  33      # catdoc
  34      # http://www.45.free.net/~vitus/ice/catdoc/
  35      exec('catdoc '.escapeshellarg($fichier), $r, $e);
  36      if (!$e) return join(' ', $r);
  37  
  38  }
  39  
  40  // Sait-on extraire ce format ?
  41  // TODO: ici tester si les binaires fonctionnent
  42  $GLOBALS['extracteur']['doc'] = 'extracteur_doc';
  43  
  44  ?>