<?php // Полная загрузка сервисных книжек, создан 2024-01-05 12:44:55
global $wpdb2;
global $failure;
global $file_hist;
///// echo '<H2><b>Старт загрузки</b></H2><br>';
$failure=FALSE;
//подключаемся к базе
$wpdb2 = include_once 'connection.php'; ; // подключаемся к MySQL
// если не удалось подключиться, и нужно оборвать PHP с сообщением об этой ошибке
if (!empty($wpdb2->error))
{
///// echo '<H2><b>Ошибка подключения к БД, завершение.</b></H2><br>';
$failure=TRUE;
wp_die( $wpdb2->error );
}
$m_size_file=0;
$m_mtime_file=0;
$m_comment='';
/////проверка существования файлов выгрузки из 1С
////файл выгрузки сервисных книжек
$file_hist = ABSPATH.'/_1c_alfa_exchange/AA_hist.csv';
if (!file_exists($file_hist))
{
///// echo '<H2><b>Файл обмена с сервисными книжками не существует.</b></H2><br>';
$m_comment='Файл обмена с сервисными книжками не существует';
$failure=TRUE;
}
/////инициируем таблицу лога
/////если не существует файла то возврат и ничего не делаем
if ($failure){
///включает защиту от SQL инъекций и данные можно передавать как есть, например: $_GET['foo']
///// echo '<H2><b>Попытка вставить запись в лог таблицу</b></H2><br>';
$insert_fail_zapros=$wpdb2->insert('vin_logs', array('time_stamp'=>time(),'last_mtime_upload'=>$m_mtime_file,'last_size_upload'=>$m_size_file,'comment'=>$m_comment));
wp_die();
///// echo '<H2><b>Возврат в начало.</b></H2><br>';
return $failure;
}
/////проверка лога загрузки, что бы не загружать тоже самое
$masiv_data_file=stat($file_hist); ////передаем в массив свойство файла
$m_size_file=$masiv_data_file[7]; ////получаем размер файла
$m_mtime_file=$masiv_data_file[9]; ////получаем дату модификации файла
////создаем запрос на получение последней удачной загрузки
////выбираем по штампу времени создания (редактирования) файла загрузки AA_hist.csv, $m_mtime_file
///// echo '<H2><b>Размер файла: '.$m_size_file.'</b></H2><br>';
///// echo '<H2><b>Штамп времени файла: '.$m_mtime_file.'</b></H2><br>';
///// echo '<H2><b>Формирование запроса на выборку из лога</b></H2><br>';
////препарируем запрос
$text_zaprosa=$wpdb2->prepare("SELECT * FROM `vin_logs` WHERE `last_mtime_upload` = %s", $m_mtime_file);
$results=$wpdb2->get_results($text_zaprosa);
if ($results)
{ foreach ( $results as $r)
{
////если штамп времени и размер файла совпадают, возврат
if (($r->last_mtime_upload==$m_mtime_file) && ($r->last_size_upload==$m_size_file))
{////echo '<H2><b>Возврат в начало, т.к. найдена запись в логе.</b></H2><br>';
$insert_fail_zapros=$wpdb2->insert('vin_logs', array('time_stamp'=>time(),'last_mtime_upload'=>$m_mtime_file,'last_size_upload'=>$m_size_file,'comment'=>'Загрузка отменена, новых данных нет, т.к. найдена запись в логе.'));
wp_die();
return $failure;
}
}
}
////если данные новые, пишем в лог запись о начале загрузки
/////echo '<H2><b>Попытка вставить запись о начале загрузки в лог таблицу</b></H2><br>';
$insert_fail_zapros=$wpdb2->insert('vin_logs', array('time_stamp'=>time(),'last_mtime_upload'=>0, 'last_size_upload'=>$m_size_file, 'comment'=>'Начало загрузки'));
////очищаем таблицу
$clear_tbl_zap=$wpdb2->prepare("TRUNCATE TABLE %s", 'vin_history');
$clear_tbl_zap_repl=str_replace("'","`",$clear_tbl_zap);
$results=$wpdb2->query($clear_tbl_zap_repl);
///// echo '<H2><b>Очистка таблицы сервисных книжек</b></H2><br>';
if (empty($results))
{
///// echo '<H2><b>Ошибка очистки таблицы книжек, завершение.</b></H2><br>';
//// если очистка не удалась, возврат
$failure=TRUE;
wp_die();
return $failure;
}
////загружаем данные
$table='vin_history'; // Имя таблицы для импорта
//$file_hist Имя CSV файла, откуда берется информация // (путь от корня web-сервера)
$delim=';'; // Разделитель полей в CSV файле
$enclosed='"'; // Кавычки для содержимого полей
$escaped='\
делал свою компоненту Native на C++ пару лет назад, все никак руки доделать не дойдут ибо сейчас это не актуально, то что нашел, прикрепил. умеет сохранять страницы в текст(правда там поленился убрать вывод информации по шрифтам и прочему), в png, количество страница…но основная цель была сохранение в png
(1)
если найду, выложу еще компоненту делал, которая наоборот собирает из изображений pdf
(1) обязательно пригодиться, спасибо)
Я в свое время тоже разбирался с разбиением ПДФов. Мне понравилась программа GostScript, в ней разбиение многостраничного файла делается одной командой: вот строка из bat-файла
call «C:Program Filesgsgs9.20ingswin64.exe» -q -dSAFER -dBATCH -dNOPAUSE -sDEVICE=jpeg -r100 -sPAPERSIZE=a4 -sOutputFile=»Z:!doc-%03d.png» «Z:!1234.pdf»
Здесь:
«Z:!1234.pdf» — путь к многостраничному фалу
-sOutputFile=»Z:!doc-%03d.png» — параметр говорит о создании файлов по маске (1 страница — 1 файл): doc-001.png, doc-002.png, doc-003.png, …
В свое время остановился, на попытке понять как обработать не 1, 2, 3 многостраничный файлов, а 100+ (так до конца и не разобрался с параметрами). Может время придет — вернусь к работе
(4) Вот мануал по Ghostscript
Без компонент, на двоичных данных бы… За такое и 10 $m не жалко будет!
Где-то на ИС встречал в комментариях «Количество страниц в PDF-файле».
(6) интересно…хотелось бы, а то этот конвертер PDF2TXT на 30 дней, еще ключи искать, бесплатную прогу найти пока не смогла
Согласен, pdftk хорошая, годная компонента
(6) (7) Из личного: для решения описанной задачи (0) мы сначала воспользовались программой ABBYY Scan Station (ABBYY — по запросу спокойно предоставляет 30-дневный ключ, спокойно предоставили продление еще на 1 месяц, для тестов), после чего мы сделали приобретение, т.к. софтина ОЧЕНЬ проста в настройке и хорошо выполняет обозначенную задачу (но без распознавания).
Единственный ее недостаток и весьма значительный — это не возможность ее запустить с командной строки — то есть нет запуска по расписанию.
Но из плюсов я бы назвал цену 2-3 года назад она составляла 24 000 руб. или 10 часов франча (на тот момент).
Так мы поигрались наверное с год, пока мне не надоело запускать каждый день данную сфотину и мы приобрели ее расширенную версию — ABBYY Recognation Server. В данной софтине настроек и возможностей поболее — работает на УРА уже 1,5 года. Есть еще распознавание и индексирование — последнее требует работу оператора (при приобретении удалось зачесть стоимость ранее приобретенной ABBYY Scan Station).
По ценам уже значительно дороже и цена зависит от количества распознанных страниц в месяц. На сегодня у нас 50к страниц и этого пока хватает (1 числа каждого месяца счетчик сбрасывается).
Цены опять же в открытых источниках не найти, но я их так же приведу для понимания: Сама программа + лицензия на 15к страниц — 215 000 руб, апгрейд с 15к до 50к страниц- 170к руб, апгрейд с 15к до 100к страниц — 247к руб (цены на июль 2016)
Стоимость разовая и в дальнейшем доплат не требует.
Это не реклама, просто показал, что решили использовать у нас в организации. Иногда может быть значительно эффективнее купить готовый продукт, чем писать свое с нуля. С нуля для разработчика хорошо — ты учишься работать с «новым», но работодатель не всегда может быть заинтересован оплачивать таким образом твое обучение, если стоит вопрос в сроках и качестве (ведь сколько еще времени уйдет на отладку «подводных камней»).
P.S.
Кстати в 1С Документооборот используют так же сторонние библиотеки, тот же самый GostScript указанный в (4) для «распиливания» файлов, а для распознавания другую не помню как называется. От туда можно было бы глянуть как они это делают, но пока у меня нет на это времени да и описаный выше софт решает поставленную задачу.
(9) за 215 тр я сама буду эти файлы распознавать 😀 слишком дорого))
(10) ну я же в конце дал наводку, где посмотреть, как делают в 1С 🙂
(11) будем изучать)
(10) Кроме того вопрос цены, это не вопрос разработчика — не его это зона ответственности. А финансового директора или Гл. буха. Придете к ним и спросите: поставленную задачу можно решить как минимум 2мя путями. Первый вот счет на 215к и запустим через 3-5 дней. Второй писать самим, но так как мы с этими библиотеками еще не работали (опыта нет) то для полной автоматизации может потребоваться гораздо больше времени и разработчик будет занят и еще по ходу дела ошибки будем отлаживать 🙂 Вот они пусть и принимают решение о том дорого это или нет, но ни как не разработчик 🙂
(13) я думаю что даже если бы прога 1 тр стоила, то все равно пришлось бы искать бесплатный способ)
(14) Еще раз повторюсь, стоимость это не вопрос разработчика.
(14)
— это подтверждает. Решается приближенно достаточно просто. Возьмите свою часовую ставку помножте ее на предполагаемое время разработки и изучения, потом помножте еще раз на 2 и сравните со стоимость программы. Это приблизительно 🙂
(2) Иногда вот так сталкиваешься, часами ищешь решение как ТС. Крутишь ghost, sumatra ( — кстати, бесплатная тулза), пробуешь на своих данных и мощностях и думаешь, блин, ну умел бы писать нативные компоненты, написал бы уже изящно и работало бы всегда.
Спасибо за труд! (утащил к себе в нору)
(15) то, что мне нужно было готового такого нет, я скоро опубликую обработку где я это применила, по мне так проще программу PDF2TXT оплатить, там вроде 2 тр она стоит и обновления в течение года))
(17)
Ну Вы же не описали, что Вам нужно. А то что описано, я привел альтернативы и их значительно больше и по разной цене. Все зависит от Вашей занятости 🙂
Но мы уже отходим от темы. Появится Ваша разработка посмотрим, насколько она «уникальна». Даже самому интересно, так как механизм прикрепления файлов к объектам базы 1С сам реализовывал. Но у Вас возможно другая разработка, но интересные идеи и направления можно найти.
А зачем сначала перегонять PDF в ДвоичныеДанные, а потом их сохранять как PDF? Я про первые 4 строки кода.
(19) да это наверное уже лишнее, раньше ошибка была, потом не убирала просто, щас уберу)
(18) вот, ну это я сама такое придумала как к выпискам pdf подцеплять, может у кого-то будут другие мысли как это осуществить))))
(21)
Спасибо!
(22) убрала с публикации, как исправлю на временный каталог тогда опубликую)
Всем добрый день. Хочу тоже поделиться своими наработками в этой области. Делал для своих нужд скрипт на Python для извлечения текста из PDF.
Если интересно, вот ссылка .
Зависимости: должен стоять python 3.x и библиотека для разбора pdf (pip install pdfminer3k)
Приложил пример запуска скрипта из 1С.
(0) (1) Можно воспользоваться tesseract ocr (смотрите на github’е)
Там крайне много возможностей, в том числе можно получать не только сырой текст, но и положение онного на странице.
Ставиться не сложно, на лине так вообще одной строкой в терминале.
Под винду уже есть собраные версии.
(6) Предположу, что там использовался некий маркер в ДД PDF файла.
Если онный существует, то крайне просто нагуглить, а сделать еще проще.
UPD:
Попробуйте взять бесплатный HxD и поковырять различные PDF файлы, как с текстом, так состоящие из картинок.
UPD 2:
(0) Глянул сам, прям на вскидку как определить количество страниц:
Подключаете файл как поток двоичных данных на чтение, считаете количество повторений («/Type/Page»)
Попробуйте глянуть HxD ручками, все станет понятно.
Но вероятнее всего есть способ еще проще, в PDF файле может содержаться некий маркер который заранее «знает» количество страниц.
(7) Можно воспользоваться tesseract ocr (смотрите на github’е)
Там крайне много возможностей, в том числе можно получать не только сырой текст, но и положение онного на странице.
Ставиться не сложно, на лине так вообще одной строкой в терминале.
Под винду уже есть собраные версии.
UPD:
Если вопрос стоит как «искать ключи», то очивидный FineReader очивиден, дальше торрентов искать не придеться 😉
Также практически на 100% уверен, что у гугла есть подобный вебсервис, там вроде хотели денюжек, но крайне мало и возможно есть «триал».
(25) ага, и качество распознавания ниже плинтуса, пробовал я его, тут речь идет об извлечении текста, который не нужно распознавать, он и так текст
(27) посмотрите я дополнила статью, нашла бесплатное приложение pdftotext, работает тоже из командной строки 🙂
(18) посмотрите я дополнила статью, нашла бесплатное приложение pdftotext, работает тоже из командной строки 🙂
(24) посмотрите я дополнила статью, нашла бесплатное приложение pdftotext, работает тоже из командной строки 🙂
(29) Это не спортивно :3
Я прохлопал ушами, что у вас изначально PDF содержащий сырой текст:
Для ковыряния двоичных данных под окнами лучше использовать бесплатный HxD
Хорошая статья, держи звезду.
По горячим следам задам вопрос, кто знает как из 1С вставить картинку в PDF? У меня есть скан документа в PDF, у меня есть *.png/*.gif с макетом печати. Мне нужно получить PDF, в котором будет этот шаблон печати будет добавлен на первую (на все) страницу оригинального PDF?
Можно упростить процесс, если использовать iFilter для PDF, например отсюда . Тогда текст можно получить сразу из PDF файла объектом «ИзвлечениеТекста»
(35) пробовала, не получается, у нас adobe reader ограниченная версия, может поэтому…
Ссылка, которую я вставил, на бесплатный официальный установочный файл от adobe. Достаточно его одного, можно acrobat вообще не ставить
(37) спасибо, как нибудь попробую, может получится в этот раз
Хорошо описан pdftk server. Правда не учтено, что программа совершенно не переваривает русские буквы в каталогах и именах файлов. Когда-то давно с этим сталкивался. Проверил, все по-прежнему. Не хотят зарубежные разработчики поддерживать utf(
Вынес в отдельную обработку обход проблемы с русскими буквами, а также встроил портированный exe, чтобы не устанавливать:
(39)Большое спасибо за способ обхода проблемы с русскими буквами. Пригодилось в работе.
Часть команд pdftk без проблем глотают русские буквы в любом количестве. А вот команды dump_data* и правда не воспринимают русские буквы в имени выходного файла.
(1)Наше то,. что долго искал.
Есть вопрос — попробовал использовать закомментированный кусок кода:
ДвДанные = Конвертер.ПолучитьДанныеИзображения();
Платформа благополучно отъезжает.
На сохранении файла — работает корректно все.
Этот метод работает?
(1)
Если надо кому,переделал обработку из поста 1 под управляемые формы
Как вариант (даже наверное предпочтительнее) использовать следующую команду:
На выходе получим столько файлов PDF, сколько было страниц в исходном файле + doc_data.txt с той же технической информацией об исходном PDF, что нам возвращает dump_data. Имена у файлов будут pg_0001, pg_0002, pg_0003 и т.д.
Небольшой кусочек справки о команде burst с сайта pdflabs:
P.S. За статью большое спасибо!