PHP 可以轻松准确地解析哪些文档类型？ （.docx、.odt、.rtf、.pdf、.txt、.html、.epub）

Question

我想创建一个工具，我可以在其中轻松地将文章（文本、图像、表格）上传到从 Google 文档或 Word 导出的文件夹中。然后使用 PHP 正确解释和显示文章在 Google 文档或 Word 中的显示效果。

Google 文档提供多种导出格式：

• .docx

• .odt

• .rtf

• .pdf

• .txt

  （忽略）

• .html

• .epub

  （忽略）

我一直在考虑

.html

作为这方面的领跑者，但我不确定这是否是值得关注的正确格式。

我还想考虑哪种格式最容易转换，以防我想建立输入多种格式的能力。例如，如果

.pdf

、

.rtf

和

.doc

都可以使用 PHP 轻松转换为

.html

，然后轻松解析以显示为

.html

，将使

.html

成为最佳选择。

我的问题是：

1. 哪个 PHP 库在解释这些文件格式中的任何一种（最常用或标准做法）方面最有效。我想正确地捕捉表格、图像和列表。
2. 他们的好处/缺点是什么
3. 使用PHP最容易转换成哪些格式

注意：我不考虑

.txt

和

.epub

最有可能因为它们不丰富或不常用于详细文章。

Answer 1

Markdown 基本上是最好的文章格式。它还将产生最一致的结果。它比您提到的其他格式更受限制，但非常一致。

我是一个狂热的博客作者，我使用黑曜石来创作我所有的降价。它需要基本的 markdown 语法知识，这是一个非常浅的学习曲线。 Obsidian 的好处在于，它会在输入一行 markdown 后立即呈现预览。

您也可以使用所见即所得的 markdown 编辑器，许多无头 CMS 提供商提供内置的 markdown 编辑器作为内容类型的选项。

我个人通过创建自己的自定义标签克服了 markdown 的局限性。我使用 Next.js 和 Rehype 来解析我的降价，并且能够定义自定义标签，这样我就可以将组件放置在页面上我想要的位置。

对于 PHP，您可能需要查看 PHP Markdown 包。