Est-il possible d'extraire des informations de méta à partir de fichiers MS Office et/ou de fichiers PDF avec PHP?

Question

J'ai donc des fichiers ....

.doc 
.docx 
.xls 
.xlsx 
and .pdf 

qui sont sur le mon serveur.

Est-il possible (et si c'est le cas, comment) d'extraire les métadonnées de ces fichiers en utilisant PHP? Je cherche des choses comme Auteur, mots-clés, titre, etc ...

Dans les documents de bureau, c'est l'information stockée avec les propriétés du document (Fichier ... Propriétés ... Résumé pour 2003, Préparer .. .Propriétés pour 2007).

Dans les documents PDF c'est l'information trouvée dans les propriétés du document.

Ceci est et non sur un serveur Windows.

Answer 1

J'ai réussi à extraire beaucoup d'informations Meta en utilisant XPDF sur un système Linux il y a quelques années. De nos jours, cependant, je dirais Zend_PDF est votre meilleur pari. Je ne l'ai pas utilisé moi-même, mais il a l'air bien et promet tout ce dont vous avez besoin. Semble n'avoir aucune dépendance de bibliothèque, non plus.

Pour Word .DOC, si vous ne trouvez pas de meilleur moyen, branchez-vous dans une instance de serveur OpenOffice/ligne de commande et convertissez les fichiers en ODT, qui est XML et analysable. S'il n'est pas possible d'extraire les méta-données par Macro, cela devrait l'être, mais je ne sais pas à quel point c'est un travail. This OpenOffice Forum entry donne une tonne de points de départ pour la conversion automatique. Les formats ... X étant une sorte de XML, il devrait être facile de récupérer les méta-données à partir de ceux-ci. Vous pouvez également utiliser ici les filtres de conversion d'OpenOffice, s'ils transportent les métadonnées.