[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  // http://doc.spip.org/@extracteur_doc
  14  function extracteur_doc($fichier, &$charset) {
  15  
  16      $charset = 'iso-8859-1';
  17  
  18      @exec('metamail -d -q -b -c application/msword '.escapeshellarg($fichier), $r, $e);
  19      if (!$e) return @join(' ', $r);
  20  
  21      # wvText
  22      # http://wvware.sourceforge.net/
  23      $temp = tempnam(_DIR_CACHE, 'doc');
  24      @exec('wvText '.escapeshellarg($fichier).'> '.$temp, $r, $e);
  25      lire_fichier($temp, $contenu);
  26      @unlink($temp);
  27      if (!$e) return $contenu;
  28  
  29      # antiword
  30      # http://www.winfield.demon.nl/
  31      @exec('antiword '.escapeshellarg($fichier), $r, $e);
  32      if (!$e) return @join(' ', $r);
  33  
  34      # catdoc
  35      # http://www.45.free.net/~vitus/ice/catdoc/
  36      @exec('catdoc '.escapeshellarg($fichier), $r, $e);
  37      if (!$e) return @join(' ', $r);
  38  
  39  }
  40  
  41  // Sait-on extraire ce format ?
  42  // TODO: ici tester si les binaires fonctionnent
  43  $GLOBALS['extracteur']['doc'] = 'extracteur_doc';
  44  
  45  ?>