用PHP换个思路读取WORD内容

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 AppConsoleCommands; use IlluminateConsoleCommand; use PhpOfficePhpSpreadsheetReaderHtml; use PhpOfficePhpWordReaderWord2007; 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'));         $write=new PhpOfficePhpWordWriterHTML($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：

php artisan word

结果：