Subversion Repositories Sites.tela-botanica.org

Rev

Blame | 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';

?>