Author: blueidea

$filetype = array(".docx",".doc",".xlsx",".xls",".pptx",".ppt",".jpg",".png",".pdf"); //文件类型
$tempFile = "/uploads/".$log["attachment"];                 //$log["attachment"]为文件地址;
$url = str_replace($filetype,"",$tempFile).".pdf";             //替换文件后缀
//header('Location: '.$url);
//die();
$tempFile = "/tmp/".basename($log["attachment"]);             //临时文件地址
copy("www.xxx.com/".$log["attachment"],$tempFile);             //移动文件
exec("unoconv -f pdf ".$tempFile);                           //文件转pdf
$pdf = str_replace($filetype,"",$tempFile).".pdf";           
header("Content-type:application/pdf");
// 文件将被称为 downloaded.pdf
//header("Content-Disposition:attachment;filename=downloaded.pdf");
// PDF 源在 original.pdf 中
readfile($pdf);
//$url = "/uploads/".$log["attachment"];
die();

原文链接：https://blog.csdn.net/leesin2011/article/details/53317362

一、composer安装phpWord

composer require phpoffice/phpword

传送门：https://packagist.org/packages/phpoffice/phpword

二、phpWord 读取 docx 文档（注意是docx格式，doc格式不行）

如果你的文件是doc格式，直接另存为一个docx就行了；如果你的doc文档较多，可以下一个批量转换工具：http://www.batchwork.com/en/doc2doc/download.htm

如果你还没配置自动加载，则先配置一下：

require ‘./vendor/autoload.php’;

加载文档：

$dir = str_replace('\', '/', DIR) . '/';

$source = $dir . 'test.docx';

$phpWord = \PhpOffice\PhpWord\IOFactory::load($source);

三、关键点

1）对齐方式：PhpOffice\PhpWord\Style\Paragraph -> getAlignment()

2）字体名称：\PhpOffice\PhpWord\Style\Font -> getName()

3）字体大小：\PhpOffice\PhpWord\Style\Font -> getSize()

4）是否加粗：\PhpOffice\PhpWord\Style\Font -> isBold()

5）读取图片：\PhpOffice\PhpWord\Element\Image -> getImageStringData()

6）ba64格式图片数据保存为图片：file_put_contents($imageSrc, base64_decode($imageData))

四、完整代码

 require './vendor/autoload.php';
 function docx2html($source)
 {
     $phpWord = \PhpOffice\PhpWord\IOFactory::load($source);
     $html = '';
     foreach ($phpWord->getSections() as $section) {
         foreach ($section->getElements() as $ele1) {
             $paragraphStyle = $ele1->getParagraphStyle();
             if ($paragraphStyle) {
                 $html .= '
             } else {
                 $html .= '
';             }             if ($ele1 instanceof \PhpOffice\PhpWord\Element\TextRun) {                 foreach ($ele1->getElements() as $ele2) {                     if ($ele2 instanceof \PhpOffice\PhpWord\Element\Text) {                         $style = $ele2->getFontStyle();                         $fontFamily = mb_convert_encoding($style->getName(), 'GBK', 'UTF-8');                         $fontSize = $style->getSize();                         $isBold = $style->isBold();                         $styleString = '';                         $fontFamily && $styleString .= "font-family:{$fontFamily};";                         $fontSize && $styleString .= "font-size:{$fontSize}px;";                         $isBold && $styleString .= "font-weight:bold;";                         $html .= sprintf('%s',                             $styleString,                             mb_convert_encoding($ele2->getText(), 'GBK', 'UTF-8')                         );                     } elseif ($ele2 instanceof \PhpOffice\PhpWord\Element\Image) {                         $imageSrc = 'images/' . md5($ele2->getSource()) . '.' . $ele2->getImageExtension();                         $imageData = $ele2->getImageStringData(true);                         // $imageData = 'data:' . $ele2->getImageType() . ';base64,' . $imageData;                         file_put_contents($imageSrc, base64_decode($imageData));                         $html .= '';                     }                 }             }             $html .= '
';
         }
     }
 return mb_convert_encoding($html, 'UTF-8', 'GBK');
 }
 $dir = str_replace('\', '/', DIR) . '/';
 $source = $dir . 'test.docx';
 echo docx2html($source);     

五、补充

很明显，这是一个简陋的word读取示例，只读取了段落的对齐方式，文字的字体、大小、是否加粗及图片等信息，其他例如文字颜色、行高。。。等等信息都忽悠了。需要的话，请自行查看phpWord源码，看\PhpOffice\PhpWord\Style\xxx 和 \PhpOffice\PhpWord\Element\xxx 等类里有什么读取方法就可以了

六、2020-07-21 补充

可以用以下方法直接获取到完整的html

$phpWord = \PhpOffice\PhpWord\IOFactory::load('xxx.docx');

$xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");

$html = $xmlWriter->getContent();

注：html内容里包含了head部分，如果只需要style和body的话，需要自己处理一下；然后图片是base64的，要保存的话，也需要自己处理一下

base64数据保存为图片请参考上面代码

如果只想获取body里的内容，可以参考 \PhpOffice\PhpWord\Writer\HTML\Part\Body 里的 write 方法
复制代码

$phpWord = \PhpOffice\PhpWord\IOFactory::load('xxxx.docx');

$htmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");

$content = '';

foreach ($phpWord->getSections() as $section) {

    $writer = new \PhpOffice\PhpWord\Writer\HTML\Element\Container($htmlWriter, $section);

    $content .= $writer->write();

}

echo $content;exit;

图片的处理的话，暂时没有好办法能在不修改源码的情况下处理好，改源码的话，相关代码在 \PhpOffice\PhpWord\Writer\HTML\Element\Image 里

public function write()
 {
     if (!$this->element instanceof ImageElement) {
         return '';
     }
     $content = '';
     $imageData = $this->element->getImageStringData(true);
     if ($imageData !== null) {
         $styleWriter = new ImageStyleWriter($this->element->getStyle());
         $style = $styleWriter->write();
         // $imageData = 'data:' . $this->element->getImageType() . ';base64,' . $imageData;
         $imageSrc = 'images/' . md5($this->element->getSource()) . '.' . $this->element->getImageExtension();
         // 这里可以自己处理，上传oss之类的
         file_put_contents($imageSrc, base64_decode($imageData));
     $content .= $this->writeOpening();     $content .= "<img border=\"0\" style=\"{$style}\" src=\"{$imageSrc}\"/>";     $content .= $this->writeClosing(); } return $content;
 }

//Word转HTML
$phpWord = \PhpOffice\PhpWord\IOFactory::load('./word/hello.docx');
$xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord, "HTML");
$xmlWriter->save('./html/hello.html'); 

最近，数学公式OCR神器Mathpix 开始收费，一个月只能免费用50次，再用就得5刀一月，小伙伴们顿时叫苦不迭。想想这种套路国内互联网公司不知道玩了多少次了，从滴滴打车到美团外卖再到共享单车，都是先培养消费习惯再收割一波韭菜。但是当初大家都只顾享受免费识别公式带来的快感，哪知由俭入奢易，由奢入俭难，现在再手敲公式真是痛苦不堪。

目前来看，由于需要联网识别，基本没有空子可钻。当然也不排除个别神人用大量邮箱来白嫖：如何看待 Mathpix 收费？​www.zhihu.com

但是，Mathpix官网对于一些有能力的开发者还是开了一扇后门的：Mathpix OCR​mathpix.com

从它提供的OCR API来看，一个月可以免费使用1000次！在之后一直到10万次都是0.004美元（约合0.028元）一次。对个人使用者而言，1000次已经基本够了。

首先需要登录平台：MathpixOCR login​dashboard.mathpix.com

登录之后需要输入信用卡信息，完成账号激活。

激活后，将会显示API的id和key：

API官方文档：Mathpix API v3 Reference​docs.mathpix.com

Github上给出了具体示例：Mathpix/api-examples​github.com

以Python为例，只需要在mathpix.py中填写自己的id和key，再调用simple.py就能运行。从示例来看，它识别的是本地图片。我在它的基础上加入了识别剪贴板的代码，从而达成与Mathpix相似度为99%的使用体验。

import os
import base64
import requests
import json
from PIL import ImageGrab
#
# Common module for calling Mathpix OCR service from Python.
#
# N.B.: Set your credentials in environment variables APP_ID and APP_KEY,
# either once via setenv or on the command line as in
# APP_ID=my-id APP_KEY=my-key python3 simple.py 
#

env = os.environ

default_headers = {
    'app_id': env.get('APP_ID', '你的id'),
    'app_key': env.get('APP_KEY', '你的key'),
    'Content-type': 'application/json'
}

service = 'https://api.mathpix.com/v3/latex'

#
# Return the base64 encoding of an image with the given filename.
#
def image_uri(filename):
    image_data = open(filename, "rb").read()
    return "data:image/jpg;base64," + base64.b64encode(image_data).decode()

#
# Call the Mathpix service with the given arguments, headers, and timeout.
#
def latex(args, headers=default_headers, timeout=30):
    r = requests.post(service,
        data=json.dumps(args), headers=headers, timeout=timeout)
    return json.loads(r.text)


def mathpix_clipboard(): # 识别剪贴板公式
    im = ImageGrab.grabclipboard()
    im.save('equa.png','PNG')
    r = latex({
        'src': image_uri("equa.png"),
        'formats': ['latex_simplified']
    })
    print(r['latex_simplified'])

if __name__ == '__main__':
    mathpix_clipboard()