API tools faq
paste
Advertisement
Guest User

PDFparser

a guest
Mar 26th, 2012
2,176
0
Never
Add comment
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
PHP 24.10 KB | None | 0 0
raw download clone embed print report
  1. <?php
  2. namespace PDF;
  3. /**
  4.  * Класс разбирающий PHP на страници, картинки в них и наборы строк
  5.  *
  6.  */
  7. class PDFEngine implements \PageFormatHandler{
  8.     private $_PDFVersion='';
  9.     /**
  10.      * Путь к PDF файлу
  11.      * @var null
  12.      */
  13.     private $filePath=NULL;
  14.     /**
  15.      * Указатель на открытый файл
  16.      * @var null|resource
  17.      */
  18.     public $filePointer=NULL;
  19.     /**
  20.      * Размер файла
  21.      * @var int
  22.      */
  23.     private $fileSize = 0;
  24.     /**
  25.      * Номер текущей страницы
  26.      * @var int
  27.      */
  28.     private $currentPage=0;
  29.     /**
  30.      * Таблица перекрестных ссылок.<br />
  31.      * Ключ массива -- Номер PDF Объекта <br />
  32.      * Значение -- Адрес началала объекта в файле. Массив отсортирован по значению.
  33.      * @var array
  34.      */
  35.     public $RefTable=array();
  36.     /**
  37.      * Костыль для Таблицы перекрестных ссылок. <br />
  38.      * Ключ массива -- Номер PDF Объекта <br />
  39.      * Значение -- Адрес конца объекта в файле.<br />
  40.      * Костыль сделан потому, что PHP не позволяет узнать следующий элемент массива иначе, как пробегая каждый раз
  41.      * от первого элемента до искомого, а так как это была бы слишком частая операция, было решено пожертвовать
  42.      * некоторым количеством памяти в обмен на производительность
  43.      * @var array
  44.      */
  45.     public $RefTableNext = array();
  46.     /**
  47.      * Таблица страниц<br />
  48.      * Ключ массива -- номер страницы<br />
  49.      * Значение -- номер объекта в PDF соответствующий данной странице
  50.      * @var array
  51.      */
  52.     public $pageTable=array();
  53.     /**
  54.      * В конструкторе Выполняется подключение к файлу, сохраняется его путь и раззмер.
  55.      * Так же в конструкторе создается перекрестная таблица ссылок для быстрого ддоступа к объектам, не загружая
  56.      * при этом весь файл в память. Здесь же создается таблица для бысрого доступа к страницам.
  57.      * @param $file
  58.      */
  59.     public function __construct($file){
  60.         $this->filePath= $file;
  61.         $this->filePointer = fopen($this->filePath, 'rb');
  62.         $this->fileSize = filesize($this->filePath);
  63.         $this->get_ref_table();
  64.         $this->get_page_table();
  65.     }
  66.     /**
  67.      * Просто закрывает за собой файл
  68.      */
  69.     public function __destruct(){
  70.         try{
  71.             fclose($this->filePointer);
  72.         }
  73.         catch(\Exception $e){
  74.             //Ничего не делаем потому, как по видимому файл просто уже закрыт=)
  75.         }
  76.     }
  77.     /**
  78.      * Самая нужная для пользователя функция.
  79.      * Она возвращает данные о запрошенной странице.
  80.      * //ToDo: Или NULL если страницы закончились
  81.      * @param int $pageNum
  82.      */
  83.     public function get_page($pageNum = 1){
  84.         if(isset($this->pageTable[$pageNum-1])){
  85.             $pageStart = $this->RefTable[$this->pageTable[$pageNum-1]];
  86.             $pageEnd =$this->RefTableNext[$this->pageTable[$pageNum-1]];
  87.             $page = new Page($pageStart,$pageEnd, $this);
  88.             $page->get_text();
  89.             $page->convert_to_paragraph();
  90.             return $page;
  91.         }
  92.         else{
  93.         return NULL;
  94.         }
  95.     }
  96.     /**
  97.      * <b>Функция перенесена в класс абстрактного Объекта ПДФ</b>
  98.      * Функция парсит объект PDF типа stram. Возвращает его содержимое
  99.      * @param $objectID
  100.      * @return string
  101.      * @depricated
  102.      */
  103.     protected function get_stream_content($objectID){
  104.         $object = $this->get_obj_by_key($objectID);
  105.         preg_match('/\/Filter\[?\s?(.*)\]?\W/', $object, $matches);
  106.         preg_match('/(\s?\/(\w+))+/',$matches[1],$filter);
  107.         preg_match('/stream(.*)endstream/ismU',$object, $streamcontent);
  108.         $stream = trim($streamcontent[1]);
  109.         if($filter[1]='FlateDecode'){
  110.             return @gzuncompress($stream);
  111.  
  112.         }
  113.         else return $stream;
  114.     }
  115.     /**
  116.      * Функция извлекает таблицу объектов содержащих страницы. Результаты раскидывает по свойствам объекта
  117.      * @return bool
  118.      */
  119.     private function  get_page_table(){
  120.         $currentObj = '';
  121.  
  122.         reset($this->RefTable);
  123.         $key = key($this->RefTable);
  124.         $matches = NULL;
  125.         $nextPage = NULL;
  126.         $pages = array();
  127.         while((preg_match('/\x2F\x54\x79\x70\x65\x2F\x43\x61\x74\x61\x6C\x6F\x67/',$currentObj) != 1) ||
  128.             ($currentObj === false)
  129.         ){
  130.  
  131.             $currentObj = $this->get_obj_by_key($key);
  132.             next($this->RefTable);
  133.             $key = key($this->RefTable);
  134.         }
  135.         preg_match('/\x2F\x50\x61\x67\x65\x73\x20(\d+)\x20\x30\x20\x52/', $currentObj, $matches);
  136.         $currentObj = $this->get_obj_by_key($matches[1]);
  137.         preg_match('/\x2FKids\[(.*)\]/',$currentObj, $kids);
  138.         preg_match_all('/\s?(\d+)\s\d+\sR/',$kids[1], $matches);
  139.         foreach($matches[1] as $value){
  140.             $pages[] = $value;
  141.         }
  142.         foreach($pages as $key => $value){
  143.             if(isset($this->RefTable[$value])){
  144.                 $page=$this->get_obj_by_key($value);
  145.                 if(preg_match('/\/Type\/Page\W/',$page) == 1){
  146.                     $this->pageTable[] = $value;
  147.                 }
  148.                 $this->pageTable = array_merge($this->pageTable,$this->getChildren($value));
  149.             }
  150.         }
  151.         return true;
  152.     }
  153.     /**
  154.      * Получить все дочерние страницы.
  155.      * @param $Obj
  156.      * @return array
  157.      */
  158.     private function getChildren($Obj){
  159.         $pages = array();
  160.         $pagesArr = array();
  161.         $currentObj = $this->get_obj_by_key($Obj);
  162.         preg_match('/\x2FKids\[(.*)\]/',$currentObj, $kids);
  163.         if(isset($kids[1])){
  164.             if(preg_match_all('/\s?(\d+)\s\d+\sR/',$kids[1], $matches) > 0){
  165.                 foreach($matches[1] as $value){
  166.                     $pages[] = $value;
  167.                 }
  168.                 foreach($pages as $key => $value){
  169.                     if(isset($this->RefTable[$value])){
  170.                         $page=$this->get_obj_by_key($value);
  171.                         if(preg_match('/\/Type\/Page\W/',$page) == 1){
  172.                             $pagesArr[] = $value;
  173.                         }
  174.                         $pagesArr = array_merge($pagesArr,$this->getChildren($value));
  175.                     }
  176.                 }
  177.                 return $pagesArr;
  178.             }
  179.             else return array();
  180.         }
  181.         return array();
  182.     }
  183.  
  184.     /**
  185.      * Парсинг ссылочной таблицы. На объекты.
  186.      */
  187.     private function get_ref_table(){
  188.         $currentString = '';
  189.         $matches=NULL;
  190.         $tableLength = 0;
  191.         $lastTable = false;
  192.  
  193.         fseek($this->filePointer, -32, SEEK_END);
  194.         $nextTableLink='';
  195.         while(preg_match('/startxref/', $nextTableLink)!=1 && $nextTableLink!==false){
  196.             $nextTableLink = fgets($this->filePointer);
  197.         }
  198.         $nextTableLink = fgets($this->filePointer)+0;
  199.         while($lastTable!== true){
  200.             fseek($this->filePointer, $nextTableLink, SEEK_SET);
  201.             fgets($this->filePointer);
  202.             $currentString = fgets($this->filePointer);
  203.             preg_match('/(\d+)\x20(\d+)/', $currentString, $matches);
  204.             $tableLength = $matches[2];
  205.             $startIndex = $matches[1];
  206.             for($i=0; $i<$tableLength; $i++){
  207.                 $currentString = fgets($this->filePointer);
  208.                 preg_match('/(\d+)\x20\d+\x20\x6E/', $currentString, $matches);
  209.                 if(isset($matches[1]))
  210.                     $this->RefTable[$startIndex+$i]=$matches[1];
  211.             }
  212.             fgets($this->filePointer);
  213.             $currentString = fgets($this->filePointer);
  214.             if(preg_match('/\x2FPrev\x20(\d+)/', $currentString, $matches)==1)
  215.                 $nextTableLink = $matches[1]+0;
  216.             else
  217.                 $lastTable = true;
  218.         }
  219.         asort($this->RefTable, SORT_NUMERIC);
  220.         reset($this->RefTable);
  221.         $pointerKey=NULL;
  222.         foreach($this->RefTable as $key => $value){
  223.             if($pointerKey!=NULL)
  224.                 $this->RefTableNext[$pointerKey]=&$this->RefTable[$key];
  225.             $pointerKey = $key;
  226.         }
  227.         if($pointerKey!=NULL)
  228.             $this->RefTableNext[$pointerKey]= $nextTableLink;
  229.     }
  230.     /**
  231.      * <b>Функция перенесена в класс абсрактного объекта</b>
  232.      * Получение объекта по ключу(По адресу из перекрестной таблицы ссылок)
  233.      * @param $key
  234.      * @return string
  235.      * @depricated
  236.      */
  237.     public function get_obj_by_key($key){
  238.         fseek($this->filePointer, $this->RefTable[$key]);
  239.         return fread($this->filePointer, $this->RefTableNext[$key]-$this->RefTable[$key]);
  240.     }
  241.     private function get_bin_obj($key){
  242.         return file_get_contents($this->filePath, FILE_BINARY, NULL, $this->RefTable[$key], $this->RefTableNext[$key]-$this->RefTable[$key]);
  243.     }
  244.  
  245. }
  246. /**
  247.  * Это не Абстрактный класс объекта, а класс Абстрактного объекта.<br />
  248.  * В него включены методы для более удобной работы с объектами.<br />
  249.  * Все ыажные данные объекта должны храниться в массиве data[]. например: <br />data['ParmName']=value<br />
  250.  * К таким "переменным" можно получить доступ извне только для чтения благодаря магическому __GET()<br />
  251.  * $object->ParamName;<br />
  252.  *
  253.  */
  254. class AbstractPDFObject{
  255.     protected $properties = array();
  256.     protected $data = array();
  257.     protected $resources;
  258.  
  259.     protected $parentPDFEngine = NULL;
  260.  
  261.     public function __construct($pageStart, $PageEnd, &$PDFEngine){
  262.         if(!isset($this->parentPDFEngine))
  263.             $this->parentPDFEngine = $PDFEngine;
  264.         $this->parse_properties($pageStart,$PageEnd,$this->parentPDFEngine->filePointer);
  265.     }
  266.     /**
  267.      * получить элемент массива data[]
  268.      * @param $paramType
  269.      * @return null
  270.      */
  271.     public function get_data($paramType){
  272.         if(isset($this->data[$paramType])){
  273.             return $this->data[$paramType];
  274.         }
  275.         else return NULL;
  276.     }
  277.     /**
  278.      * Магический $__get возвращает элемент из data
  279.      * @param $name
  280.      * @return null
  281.      */
  282.     public function __get($name){
  283.         return $this->get_data($name);
  284.     }
  285.     /**
  286.      * Устанавливает значение в массив data
  287.      * @param $paramType
  288.      * @param $paramValue
  289.      * @return AbstractPDFObject
  290.      */
  291.     public function set_data($paramType, $paramValue){
  292.         if(!is_scalar($paramType) && !is_scalar($paramValue)){
  293.             foreach($paramType as $key => $name){
  294.                 $this->data[$name] = $paramValue[$key];
  295.             }
  296.         }
  297.         elseif(is_scalar($paramType) && is_scalar($paramValue))
  298.             $this->data[$paramType] = $paramValue;
  299.         return $this;
  300.     }
  301.     /**
  302.      * Устанавливает значение в массив propertis
  303.      * @param $paramType
  304.      * @param $paramValue
  305.      * @return AbstractPDFObject
  306.      */
  307.     public function set_property($paramType, $paramValue){
  308.         if(!is_scalar($paramType) && !is_scalar($paramValue)){
  309.             foreach($paramType as $key => $name){
  310.                 $this->properties[$name] = $paramValue[$key];
  311.             }
  312.         }
  313.         elseif(is_scalar($paramType) && is_scalar($paramValue))
  314.             $this->properties[$paramType] = $paramValue;
  315.         return $this;
  316.     }
  317.     /**
  318.      * Получить элемент из массива propertis
  319.      * @param $paramType
  320.      * @return null
  321.      */
  322.     public function get_property($paramType){
  323.         if(isset($this->properties[$paramType])){
  324.             return $this->properties[$paramType];
  325.         }
  326.         else return NULL;
  327.     }
  328.  
  329.     /**
  330.      * Функция достает из объекта тест PDF dictionry и сохраняет его в $this->data['propertiesString']
  331.      * Так же эта функция извлекает поток объекта и по возможности декодирует. В любом случае сохраняет его в
  332.      * $this->data['stream']
  333.      * @param $startObj
  334.      * @param $endObj
  335.      */
  336.     protected function parse_properties($startObj, $endObj, $file){
  337.         $this->data['stream'] = '';
  338.         fseek($file, $startObj);
  339.         $fullObjContent = fread($file, $endObj-$startObj);
  340.         preg_match('|<<(.*)>>|', $fullObjContent, $matches);
  341.         if(isset($matches[1]))
  342.             $this->data['propertiesString'] = $matches[1];
  343.         $this->data['stream'] .= $this->decode_stream($fullObjContent);
  344.         preg_match('|/Contents ?\[?(( ?\d+ \d+ R ?)+)\]?|', $this->data['propertiesString'], $matches);
  345.         if(isset($matches[1])){
  346.             $contentsObj=$matches[1];
  347.             preg_match_all('|(\d+) \d+ R|', $contentsObj, $matches);
  348.             foreach($matches[1] as $value){
  349.                 $fullObjContent = $this->parentPDFEngine->get_obj_by_key($value);
  350.                 if(isset($matches[1]))
  351.                     $this->data['stream'] .= $this->decode_stream($fullObjContent);
  352.             }
  353.         }
  354.     }
  355.     protected function parse_resurce(){
  356.         $this->data['resources']='';
  357.         preg_match('|/Resources ?\[?(( ?\d+ \d+ R ?)+)\]?|ims', $this->data['propertiesString'], $matches);
  358.         if(isset($matches[1])){
  359.             $ResourceObj=$matches[1];
  360.             preg_match_all('|(\d+) \d+ R|', $ResourceObj, $matches);
  361.             foreach($matches[1] as $value){
  362.                     $this->data['resources'] .= $this->parentPDFEngine->get_obj_by_key($value);
  363.             }
  364.         }
  365.     }
  366.  
  367.     /**
  368.      *  Декодирует поток. Прежде чем запускать: необходимо текст
  369.      * свойств объекта поместить в $this->data['propertiesString']
  370.      * @param $stream
  371.      * @return string
  372.      */
  373.     protected function decode_stream($objString){
  374.         preg_match('|stream(.*)endstream|ms', $objString, $matches);
  375.         if(isset($matches[1])){
  376.             $stream = trim($matches[1]);
  377.             preg_match('|/Filter ?\[(.*)\]|', $objString, $matches);
  378.             if(isset($matches[1])){
  379.                 $filter = $matches[1];
  380.                 preg_match_all('|(/\w+)|', $filter, $matches);
  381.                 foreach($matches[1] as $value){
  382.                     if($value == '/FlateDecode'){
  383.                         return gzuncompress($stream);
  384.                     }
  385.                 }
  386.             }
  387.             else{
  388.                 preg_match('|/Filter ?/FlateDecode|', $objString, $matches);
  389.                 if(isset($matches[0])){
  390.                     return gzuncompress($stream);
  391.                 }
  392.                 else{
  393.                     return $stream;
  394.                 }
  395.             }
  396.             return $stream;
  397.         }
  398.         return '';
  399.     }
  400. }
  401. /**
  402.  * Объект страницы PDF
  403.  * Частный случай Абстрактного объекта. Извлекает все данные о странице: Текст, шрифты, изображения, оглавления и т д
  404.  */
  405. class Page extends AbstractPDFObject{
  406.     /**
  407.      * Конструктор. При инициализации обзекта находит все ресурсы объекта и парсит их в атомарные для данной абстракции
  408.      * элементы:строки, изображения и т д
  409.      * Получает инстанс PDF обработчика
  410.      * @param $pageNum
  411.      * @param $PDFEngine
  412.      */
  413.     public function __construct($pageStart, $PageEnd, &$PDFEngine){
  414.         $this->parentPDFEngine = $PDFEngine;
  415.         $this->parse_properties($pageStart,$PageEnd,$this->parentPDFEngine->filePointer);
  416.         $this->parse_resurce();
  417.         $this->get_fonts_obj();
  418.     }
  419.     public function get_fonts_obj(){
  420.         preg_match_all('|/Font ?<{0,2}(( ?/[0-9a-z]+ \d+ \d+ R ?)+)>{0,2} ?|i', $this->propertiesString, $fontsString);
  421.         if(!isset($fontsString[1][0])){
  422.             preg_match_all('|/Font ?<{0,2}(( ?/[0-9a-z]+ \d+ \d+ R ?)+)>{0,2} ?|i', $this->data['resources'], $fontsString);
  423.         }
  424.         preg_match_all('| ?(/[0-9a-z]+) (\d+) \d+ R ?|i', $fontsString[1][0], $matches);
  425.         foreach($matches[1] as $key => $value){
  426.             $this->data['Fonts'][$value]['TrnsfrmTable'] = array();
  427.             $this->data['Fonts'][$value]['objString']= $this->parentPDFEngine->get_obj_by_key($matches[2][$key]);
  428.             //Ищем свойство /ToUnicode Если его нет, значит строку можно будет писать "как есть". Если есть, то там будет таблица замещения
  429.             preg_match('|/ToUnicode (\d+) \d+ R|', $this->data['Fonts'][$value]['objString'], $toUnicodeString);
  430.             if(isset($toUnicodeString[1])){
  431.                 //Если /toUnicode существует, то находим соответствующий ему объект и декодируем поток. Получаем данные
  432.                 $this->data['Fonts'][$value]['ToUnicode']= $this->decode_stream($this->parentPDFEngine->get_obj_by_key($toUnicodeString[1]));
  433.                 //извлекаем блоки для замены одиночных символов
  434.                 preg_match_all('|beginbfchar(.*?)endbfchar|ms', $this->data['Fonts'][$value]['ToUnicode'], $SinglCharTrnsfrmBlock);
  435.                 foreach($SinglCharTrnsfrmBlock[1] as $blockData){
  436.                     preg_match_all('|<([0-9a-f]{2,4})> +<([0-9a-f]{4,512})> *$|ims',$blockData, $SinglCharTrnsfrm);
  437.                     foreach($SinglCharTrnsfrm[1] as $tuUnicKey => $toUnicValue){
  438.                         $SinglCharTrnsfrm[1][$tuUnicKey] = strtolower("\x".substr_replace($SinglCharTrnsfrm[1][$tuUnicKey], "\x", 2, 0));
  439.                         $SinglCharTrnsfrm[2][$tuUnicKey] = mb_convert_encoding(chr(hexdec(substr($SinglCharTrnsfrm[2][$tuUnicKey], 0, 2)))
  440.                             .chr(hexdec(substr($SinglCharTrnsfrm[2][$tuUnicKey], -2))), "UTF-8", "UTF-16");
  441.                     }
  442.                     $this->data['Fonts'][$value]['TrnsfrmTable'] = array_merge($this->data['Fonts'][$value]['TrnsfrmTable'],
  443.                                                                                     array_combine($SinglCharTrnsfrm[1],$SinglCharTrnsfrm[2]));
  444.                 }
  445.                 //Извлекаем блоки с диапозонами для замены
  446.                 if(preg_match_all('|beginbfrange(.*?)endbfrange|ims', $this->data['Fonts'][$value]['ToUnicode'], $CharRangeTrnsfrmBlock)){
  447.                     foreach($CharRangeTrnsfrmBlock[1] as  $blockData){
  448.                         //разбираем первый способ записи диапозона (см документацию на PDF ISO_32000_1_2008 страница 294)
  449.                         if(preg_match_all('|<([0-9a-f]{4})>\s+<([0-9a-f]{4})>\s+<([0-9a-f]{4})> *$|imsU', $blockData, $CharRangeTrnsfrm)){
  450.                         foreach($CharRangeTrnsfrm[1] as $key => $CharRange){
  451.                             for($i = hexdec($CharRangeTrnsfrm[1][$key]); $i <= hexdec($CharRangeTrnsfrm[2][$key]); $i++){
  452.                                 $from = "\x".substr_replace(str_pad(dechex($i),4,'0',STR_PAD_LEFT), "\x", 2, 0);
  453.                                 $to = mb_convert_encoding(chr(hexdec(substr(str_pad($CharRangeTrnsfrm[3][$key],4,'0',STR_PAD_LEFT), 0, 2)))
  454.                                                          .chr(hexdec(substr(str_pad($CharRangeTrnsfrm[3][$key],4,'0',STR_PAD_LEFT), -2))), "UTF-8", "UTF-16");
  455.                                 $this->data['Fonts'][$value]['TrnsfrmTable'][strtolower($from)] = $to;
  456.                                 $CharRangeTrnsfrm[3][$key] = str_pad(dechex(hexdec($CharRangeTrnsfrm[3][$key])+1),4,'0',STR_PAD_LEFT);
  457.                             }
  458.                         }
  459.                         }
  460.                         //разбираем второй способ записи диапозона (см документацию на PDF ISO_32000_1_2008 страница 294)
  461.                         if(preg_match_all('|<([0-9a-f]{4})>\s+<([0-9a-f]{4})>\s+\[(.*)\] *$|ismU',$blockData, $CharRangeTrnsfrm)){
  462.                             foreach($CharRangeTrnsfrm[1] as $key => $CharRange){
  463.                                 preg_match_all('|<([0-9a-f]{4})>|i',$CharRangeTrnsfrm[3][$key], $AssignChars);
  464.                                 for($i = hexdec($CharRangeTrnsfrm[1][$key]); $i <= hexdec($CharRangeTrnsfrm[2][$key]); $i++){
  465.                                     $from = "\x".substr_replace(str_pad(dechex($i),4,'0',STR_PAD_LEFT), "\x", 2, 0);
  466.                                     $to = mb_convert_encoding(chr(hexdec(substr(str_pad($AssignChars[1][$key],4,'0',STR_PAD_LEFT), 0, 2)))
  467.                                         .chr(hexdec(substr(str_pad($CharRangeTrnsfrm[3][$key],4,'0',STR_PAD_LEFT), -2))), "UTF-8", "UTF-16");
  468.                                     $this->data['Fonts'][$value]['TrnsfrmTable'][strtolower($from)] = $to;
  469.                                 }
  470.                             }
  471.                         }
  472.                     }
  473.                 }
  474.             }
  475.         }
  476.     }
  477.     public function get_text(){
  478.         $this->data['clearText'] = '';
  479.         $this->data['logicBlocks'] = array();
  480.         $textBlockCount = 0;
  481.         $prevFont = NULL;
  482.         $currentLogicalBlock = NULL;
  483.         //Разбиваем весь поток на PDF-блоки текста
  484.         preg_match_all('|^(.*?)BT(.*?)ET|ms', $this->stream, $dirtyTextBlocks);
  485.         //ToDo: Дальше -- ГОВНОКОД. Подумать и исправить, чтоб работало быстреее.
  486.         foreach($dirtyTextBlocks[2] as $blockNum => $blockString){
  487.             //Получаем Шрифты и PDFмассив блоков текста. $fontAndText[1] -- шрифт, $fontAndText[2] -- набор текстовых блоков
  488.             if(preg_match_all("|([\r\n]{1,2})?((/[0-9a-z]+)\s\d+\.?\d*\sTf)?.*\[(.*)\]|ism", $blockString, $fontAndText)){
  489.                 //Пишем в следующий текстовый блок.
  490.                 $textBlockCount++;
  491.                 //получим чистый массив логических блоков
  492.  
  493.                 if(isset($dirtyTextBlocks[1][$blockNum]) && $dirtyTextBlocks[1][$blockNum] != "" &&
  494.                     $currentLogicalBlock !== $blockNum){
  495.                     $this->data['logicBlocks'][$textBlockCount] = $dirtyTextBlocks[1][$blockNum];
  496.                     $currentLogicalBlock = $blockNum;
  497.                 }
  498.                 //перебираем текстовые блоки(и шрифты к ним)
  499.                 foreach($fontAndText[4] as $key => $textBlocks){
  500.                     $this->data['clearText'][$textBlockCount]['text'] = "";
  501.                     if($fontAndText[3][$key]){
  502.                         $prevFont = $fontAndText[3][$key];
  503.                     }
  504.                     else{
  505.                         $fontAndText[3][$key] = $prevFont;
  506.                     }
  507.                     //Вынимаем два типа блоков текста: HEX-строки в <> и текстовые строки в ()
  508.                     preg_match_all('#[<\(].*?[\)>]#', $fontAndText[4][$key], $textBlock);
  509.                     //перебираем блоки
  510.                     foreach($textBlock[0] as $data){
  511.                         //Если блок с HEX  Значениями , то
  512.                         if(preg_match('#<(.*?)>#', $data, $hexString)){
  513.                             //Если строку надо декодировать
  514.                             if(isset($this->data['Fonts'][$fontAndText[3][$key]]['ToUnicode'])){
  515.                                 while($hexString[1]){
  516.                                     //Если есть значение в таблице декодирования
  517.                                     if(isset($this->data['Fonts'][$fontAndText[3][$key]]['TrnsfrmTable']["\x".substr_replace(substr(strtolower($hexString[1]),0,4), "\x", 2, 0)])){
  518.                                         $this->data['clearText'][$textBlockCount]['text'] .= $this->data['Fonts'][$fontAndText[3][$key]]['TrnsfrmTable']["\x".substr_replace(substr(strtolower($hexString[1]),0,4), "\x", 2, 0)];
  519.                                     }
  520.                                     //Если такого значения нет
  521.                                     else{
  522.                                         $this->data['clearText'][$textBlockCount]['text'] .= mb_convert_encoding(chr(hexdec(substr(substr(strtolower($hexString[1]),0,4), 0, 2)))
  523.                                                                                                                 .chr(hexdec(substr(substr(strtolower($hexString[1]),0,4), -2))), "UTF-8", "UTF-16");
  524.                                     }
  525.                                     $hexString[1] = substr($hexString[1],4);
  526.                                 }
  527.                             //Если не надо декодировать
  528.                             }else{
  529.                                 while($hexString[1]){
  530.                                     $this->data['clearText'][$textBlockCount]['text'] .= mb_convert_encoding(chr(hexdec(substr(substr(strtolower($hexString[1]),0,4), 0, 2)))
  531.                                         .chr(hexdec(substr(substr(strtolower($hexString[1]),0,4), -2))), "UTF-8", "UTF-16");
  532.                                     $hexString[1] = substr($hexString[1],4);
  533.                                 }
  534.                             }
  535.                         }
  536.                         //Если блок с обычными строками
  537.                         else{
  538.                             $fontAndText[4][$key] = preg_replace('|\((.*)\)|', '$1', $fontAndText[4][$key]);
  539.                             if(isset($this->data['Fonts'][$fontAndText[3][$key]]['ToUnicode'])){
  540.                                 $transformedText = '';
  541.                                 foreach($this->data['Fonts'][$fontAndText[3][$key]]['TrnsfrmTable'] as $from => $to){
  542.                                     //$this->data['clearText'] .= str_replace('\uccc'.$from,'\ucccc'.$to, $fontAndText[2][$key]);
  543.                                     //$this->data['clearText'] .= preg_replace('|\x{'.$from.'}|u','\x{'.$to.'}',$fontAndText[2][$key]);
  544.                                     $transformedText = preg_replace("|".$from."|", $to, $fontAndText[4][$key]);
  545.                                 }
  546.                                 $this->data['clearText'][$textBlockCount]['text'] .= $transformedText;
  547.                             }
  548.                             else{
  549.                                 $this->data['clearText'][$textBlockCount]['text'] .= $fontAndText[4][$key];
  550.                             }
  551.                         }
  552.                     }
  553.                 }
  554.             }
  555.         }
  556.     }
  557.  
  558.     public function convert_to_paragraph(){
  559.         $this->data['clearParagraph'] = array();
  560.         $paragraphCounter = 0;
  561.         $firstBlock = NULL;
  562.         foreach($this->data['logicBlocks'] as $blockNum => $logicValue){
  563.             if(!isset($firstBlock)){
  564.                 $firstBlock = $blockNum;
  565.             }
  566.             else{
  567.                 $paragraphCounter++;
  568.                 $this->data['clearParagraph'][$paragraphCounter]='';
  569.                 for($firstBlock; $firstBlock<$blockNum; $firstBlock++){
  570.                     $this->data['clearParagraph'][$paragraphCounter] .= $this->data['clearText'][$firstBlock]['text'];
  571.                 }
  572.             }
  573.         }
  574.     }
  575.  
  576. }
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement
Public Pastes
Advertisement
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy.  OK, I Understand
Not a member of Pastebin yet?
Sign Up, it unlocks many cool features!