Rev 4 | Go to most recent revision | Blame | Compare with Previous | Last modification | View Log | RSS feed
<?php
//
// Lit un document 'doc' et extrait son contenu en texte brut
//
// NOTE : l'extracteur n'est pas oblige de convertir le contenu dans
// le charset du site, mais il *doit* signaler le charset dans lequel
// il envoie le contenu, de facon a ce qu'il soit converti au moment
// voulu ; dans le cas contraire le document sera lu comme s'il etait
// dans le charset iso-8859-1
function extracteur_doc($fichier, &$charset) {
$charset = 'iso-8859-1';
exec('metamail -d -q -b -c application/msword '.escapeshellarg($fichier), $r, $e);
if (!$e) return join(' ', $r);
# wvText
# http://wvware.sourceforge.net/
$temp = tempnam(_DIR_CACHE, 'doc');
exec('wvText '.escapeshellarg($fichier).'> '.$temp, $r, $e);
lire_fichier($temp, $contenu);
@unlink($temp);
if (!$e) return $contenu;
# antiword
# http://www.winfield.demon.nl/
exec('antiword '.escapeshellarg($fichier), $r, $e);
if (!$e) return join(' ', $r);
# catdoc
# http://www.45.free.net/~vitus/ice/catdoc/
exec('catdoc '.escapeshellarg($fichier), $r, $e);
if (!$e) return join(' ', $r);
}
// Sait-on extraire ce format ?
// TODO: ici tester si les binaires fonctionnent
$GLOBALS['extracteur']['doc'] = 'extracteur_doc';
?>