| 4 |
david |
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 |
?>
|