PHP读取WORD

MYDTX - 2021-08-29 14:49:31

项目：问卷
需求：WORD导入问卷
背景：运营那里有几百个WORD格式问卷，如果去后台手动录入，无疑工作量很大，希望能直接导入。
心情：接到需求之后五味杂陈，因为以前做过excel导入，而且有现成的插件，代码也是一搜索一堆。
word导入无疑涉及到了知识盲点，但是需求就在那里，又怼不过产品同学！只能硬着头皮上了。
难点：word不好读取内容，内容读出来不好结构化。
解决问题思路：先读取WORD,再说怎么结构化。
读取WORD:一开始想着用PHPWORD,毕竟PHPOFFICE这么成熟的插件应该可以直接读取到WORD内容吧。
然而现实很骨感，找遍了文档并没有找到直接读取到WORD内容的方法。PHPWORD只提供了把WORD转换成HTML，TDF的方法。
转换思路：既然不能读取WORD,那我可以读取HTML,只需要把WORD转换成HTML就可以了,然后读取HTML内容就行。

代码：

<?php

namespace App\Console\Commands;


use Illuminate\Console\Command;
use PhpOffice\PhpSpreadsheet\Reader\Html;
use PhpOffice\PhpWord\Reader\Word2007;
class Test extends Command {
    /**
     * The name and signature of the console command.
     *
     * @var string
     */
    protected $signature = 'word';

    /**
     * The console command description.
     *
     * @var string
     */
    protected $description = 'word';

    /**
     * Create a new command instance.
     *
     * @return void
     */
    public function __construct() {
        parent::__construct();
    }

    /**
     * Execute the console command.
     *
     * @return int
     */
    public function handle(Word2007 $word) {
        //WORD转换HTML
        $result=$word->load(storage_path('测试.docx'));
        $write=new \PhpOffice\PhpWord\Writer\HTML($result);
        $write->save(storage_path().'/测试.html');
        //读取HTML内容
        $document=new \DOMDocument();
        $document->loadHTML(file_get_contents(storage_path('测试.html')));
        $html=simplexml_import_dom($document);
        dd((array)$html->body);
    }

}

开始测试：新建测试.docx
测试.docx内容：
执行脚本：