PHP读取office word文档内容及图片

PHP读取word文档里的文字及图片，并保存

一、composer安装phpWord

composer require phpoffice/phpword

传送门：https://packagist.org/packages/phpoffice/phpword

二、phpWord 读取 docx 文档（注意是docx格式，doc格式不行）

如果你的文件是doc格式，直接另存为一个docx就行了；如果你的doc文档较多，可以下一个批量转换工具：http://www.batchwork.com/en/doc2doc/download.htm

如果你还没配置自动加载，则先配置一下：

require './vendor/autoload.php';

加载文档：

$dir = str_replace('\', '/', __DIR__) . '/';
$source = $dir . 'test.docx';
$phpWord = PhpOfficePhpWordIOFactory::load($source);

三、关键点

1）对齐方式：PhpOfficePhpWordStyleParagraph -> getAlignment()

2）字体名称：PhpOfficePhpWordStyleFont -> getName()

3）字体大小：PhpOfficePhpWordStyleFont -> getSize()

4）是否加粗：PhpOfficePhpWordStyleFont -> isBold()

5）读取图片：PhpOfficePhpWordElementImage -> getImageStringData()

6）ba64格式图片数据保存为图片：file_put_contents($imageSrc, base64_decode($imageData))

四、完整代码

require './vendor/autoload.php';

function docx2html($source)
{
    $phpWord = PhpOfficePhpWordIOFactory::load($source);
    $html = '';
    foreach ($phpWord->getSections() as $section) {
        foreach ($section->getElements() as $ele1) {
            $paragraphStyle = $ele1->getParagraphStyle();
            if ($paragraphStyle) {
                $html .= '<p style="text-align:'. $paragraphStyle->getAlignment() .';text-indent:20px;">';
            } else {
                $html .= '<p>';
            }
            if ($ele1 instanceof PhpOfficePhpWordElementTextRun) {
                foreach ($ele1->getElements() as $ele2) {
                    if ($ele2 instanceof PhpOfficePhpWordElementText) {
                        $style = $ele2->getFontStyle();
                        $fontFamily = mb_convert_encoding($style->getName(), 'GBK', 'UTF-8');
                        $fontSize = $style->getSize();
                        $isBold = $style->isBold();
                        $styleString = '';
                        $fontFamily && $styleString .= "font-family:{$fontFamily};";
                        $fontSize && $styleString .= "font-size:{$fontSize}px;";
                        $isBold && $styleString .= "font-weight:bold;";
                        $html .= sprintf('<span style="%s">%s</span>',
                            $styleString,
                            mb_convert_encoding($ele2->getText(), 'GBK', 'UTF-8')
                        );
                    } elseif ($ele2 instanceof PhpOfficePhpWordElementImage) {
                        $imageSrc = 'images/' . md5($ele2->getSource()) . '.' . $ele2->getImageExtension();
                        $imageData = $ele2->getImageStringData(true);
                        // $imageData = 'data:' . $ele2->getImageType() . ';base64,' . $imageData;
                        file_put_contents($imageSrc, base64_decode($imageData));
                        $html .= '<img src="'. $imageSrc .'" style="100%;height:auto">';
                    }
                }
            }
            $html .= '</p>';
        }
    }

    return mb_convert_encoding($html, 'UTF-8', 'GBK');
}



$dir = str_replace('\', '/', __DIR__) . '/';
$source = $dir . 'test.docx';
echo docx2html($source);

五、补充

很明显，这是一个简陋的word读取示例，只读取了段落的对齐方式，文字的字体、大小、是否加粗及图片等信息，其他例如文字颜色、行高。。。等等信息都忽悠了。需要的话，请自行查看phpWord源码，看PhpOfficePhpWordStylexxx 和 PhpOfficePhpWordElementxxx 等类里有什么读取方法就可以了