Usamos cookies para medir audiência e melhorar sua experiência. Você pode aceitar ou recusar a qualquer momento. Veja sobre o iMasters.
Pessoal tudo bem?
Vou direto ao ponto.
Estou desenvolvendo um sistema que faz upload de arquivos PDFs. No PHP eu pego este arquivo extraio o texto do mesmo e armazeno em uma variável $conteudo para depois inserir no banco da dados.
Tenho no sistema uma rotina para cadastro de tipo documentais, onde o usuário cadastra um tipo de documento e palavras-Chave que existam somente naquele documento EX:
Nome: Boleto palavras-Chave: Sacado, Banco, Cedente.
o nome boleto será salvo na tabela tipo_documento contendo o id_tipo
as palavras-Chave serão salvas em outra tabela chamada indexadores com os campos:
id_indexador, id_tipo, palavraschaves. No PHP faço o explode na virgula, transformando essas palavras em array, ou seja cada palavra será um registro no banco com seu respectivo ID mas recebendo o id_Tipo que é o do documento.
Até aqui tudo bem, mas o problema segue abaixo:
Voltando um pouco acima, onde eu falava do upload e da extração do texto, sendo salvo na variável $conteudo.
Esta variável contem todo o meu texto do PDF, mas antes de inserir no banco eu preciso classificar este documento verificando se ele é uma conta de luz, agua, contrato, boleto etc..
Para verificar isto preciso consultar a tabela indexadores e ver se aquelas palavras chaves que cadastrei, possuam nesta variável $conteudo se possuir este documento receberá a descricao e o id do tipo_documento. EX:
Fiz um upload de um boleto, a minha classe leu o arquivo e guardou todo o texto na variável $conteudo. Como já tenho um tipo documental Boleto com as palavras chaves: Banco, Cedente, Sacado, se eu encontrar na variável $conteudo estas palavras ela vai pertencer ao tipo de documento Boleto.
Mas não estou conseguindo verificar isto, como tenho uma string enorme, como faço esta verificação? como procuro estas palavras dentro da string?
Preciso urgentemente de uma resposta.
Tentei ser o mais claro possível.
Olá primeiramente obrigado por responder, já fiz uso desta função realmente deu certo. Mas digamos que tenho um select no banco que traz todos meus indexadores:
$result = $conn->query("SELECT * FROM indexadores INNER JOIN tipo_documento ON indexadores.id_tipo = tipo_documento.id_tipo");
if(mysqli_num_rows($result) > 0){
while($doc = mysqli_fetch_array($result)) {
$palavras = $doc['palavraschave'];
$id_tipo = $doc['id_tipo'];
$tipo = $doc['descricao'];
}
if (strpos($conteudo, $palavras) !== false)
{
$status = "Indexado";
$query = $conn->query("INSERT INTO documentos (id_tipo, nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES ($id_tipo,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')");
}
else
{
$tipo = "<b>Indefinido</b>";
$status = "<b>Não Indexado</b>";
$query = $conn->query("INSERT INTO documentos (id_tipo, nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES (0,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')");
}
}
else
{
echo "Nenhum tipo de documento encontrado.";
}
os meus indexadores são três Sacado,Boleto,Cedente.
Essa função verifica se tem essas três palavras na variável ou se ela encontrar uma já retorna TRUE.
Quero que contenha exatamente as três palavras.
Não precisa selecionar e verificar com o PHP. Faça a verificação na própria query, usando LIKE
Você pode fazer verificações usando IF e ELSEIF
mas como o Beraldo falo, fica mais enxuto e pratico fazer na query
Olá desculpe a demora em responder, o tempo realmente é curto.
Tentei várias vezes resolver isto com Like e com o IN, mas não obtive sucesso, talvez não tenha feito da maneira correta me levando a recorrer a alguma função do PHP. Tentei fazer o seguinte:
$pdf = new PdfToText ($temp);
//A minha classe lê todo o PDF e guarda na variavel conteúdo
$conteudo = mysqli_real_escape_string($conn, $pdf -> Text);
$result = $conn->query("SELECT * FROM indexadores WHERE palavraschave IN ('$conteudo')");
$pdf = new PdfToText ($temp);
$conteudo = mysqli_real_escape_string($conn, $pdf -> Text);
$result = $conn->query("SELECT * FROM indexadores where palavraschave LIKE '%".$conteudo."%'");
a minha tabela indexadores e tipo_documento, estão desta forma:
CREATE TABLE tipo_documento (
id_tipo int(10) NOT NULL AUTO_INCREMENT,
descricao varchar(200),
indexadores varchar(200),
PRIMARY KEY (id_tipo)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
CREATE TABLE indexadores(
id_indexador int(10) NOT NULL AUTO_INCREMENT,
id_tipo int(10) NOT NULL,
palavraschave varchar(200),
PRIMARY KEY (id_indexador)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
Resultado da minha tabela tipo_documento
id_tipo descricao
3 Conta de Luz
17 Redes
20 Boleto
Meus indexadores guardam cada palavra como um registro com um id único pertencente a um id_tipo do documento
id id_tipo palavraschave
7 3 RGE
8 3 Emissor
36 17 Bridge
37 17 Address
40 20 Banco
41 20 Conta
42 20 Sacado
Assim talvez tenha ficado mais claro, o que preciso fazer.
Sempre quando realizo o upload de um PDF a minha classe extrai o texto e armazena na variável $conteudo, logo após, preciso verificar se na tabela indexadores, possui palavras que contenham no documento, para definir qual tipo de documento é este PDF, EX:
Se eu fazer o upload de um boleto, tenho que procurar palavras que contenham neste arquivo, se ele encontrar as palavras Banco,Sacado e conta, o arquivo vai ser classificado como boleto, caso ele não encontre nenhuma palavra, ele vai inserir no banco, porem este documento vai ficar como não classificado.
Resumindo, ele tem que encontrar todas as palavras informadas para aquele documento na variável $conteudo para poder classificar o mesmo. Pois posso ter documentos que também possuam a palavra Banco, mas que não sejam boletos. Então o usuário vai cadastrar o máximo de palavras chaves que ele julga que só tenha em boleto, para este tipo ser único.
Desde já agradeço.
Vou postar todo o meu código atual aqui para ficar melhor.
upload.php
<?php
$conn = new mysqli("localhost", "root", "","clae");
include ("PDF/PdfToText.phpclass");//classe que extrai o texto do PDF
if(isset($_FILES["myfile"]))
{
$ret = array();
$error = $_FILES["myfile"]["error"];
{
if(!is_array($_FILES["myfile"]["name"]))
{
//pega as informações do upload
$temp = $_FILES["myfile"]["tmp_name"];
$nome = $_FILES["myfile"]["name"];
$tamanho = $_FILES["myfile"]["size"];
//abre o documento
$fp = fopen($temp,"rb");
$documento = fread($fp,filesize($temp));
fclose($fp);
//guardo o conteudo do PDF que é um binario e converto para hexadecimal
$dados = bin2hex($documento);
//A classe faz a leitura do PDF
$pdf = new PdfToText ($temp);
//a minha variavel conteudo armazena o texto extraido, escapo todos os caracteres especiais que surgem devido a uma má leitura do documento
$conteudo = mysqli_real_escape_string($conn, $pdf -> Text);
//faço uma consulta na tabela indexadores e tipo_documento para me trazer as informações que preciso
$result = $conn->query("SELECT * FROM indexadores INNER JOIN tipo_documento ON indexadores.id_tipo = tipo_documento.id_tipo");
if(mysqli_num_rows($result) > 0){
while($doc = mysqli_fetch_array($result)) {
$palavras = $doc['palavraschave'];
$id_tipo = $doc['id_tipo'];
$tipo = $doc['descricao'];
}
//verifico se minha variavel $conteudo possui alguma palavrachave de meus indexadores
if (strpos($conteudo, $palavras) !== false)
{
//Se possuir o documento é inserido no banco já classificado
$status = "Indexado";
$query = $conn->query("INSERT INTO documentos (id_tipo, nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES ($id_tipo,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')") or die(mysqli_error($conn));;
}
else
{
//Se não possuir o documento é inserido porem sem classificação
$tipo = "<b>Indefinido</b>";
$status = "<b>Não Indexado</b>";
$query = $conn->query("INSERT INTO documentos (id_tipo, nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES (0,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')") or die(mysqli_error($conn));;
}
}
else
{
echo "Nenhum tipo de documento encontrado.";
}
}
}
}
//Aqui é verificado se o documento foi inserido ou não
if(mysqli_affected_rows($conn) < 1){
$resposta = "<div title='Ocorreu um erro ao inserir o arquivo.'style='color:#AB4450;background-color: #F2DEDE; border-radius:5px;padding:10px; margin-top:10px; width:auto;height:auto;'>Erro: ".$nome."</div>";
}
else
{
$resposta = "<div title='O arquivo foi inserido com sucesso.'style='color:#3C763D;background-color: #DFF0D8;border-radius:5px; padding:10px; margin-top:10px; width:auto;height:auto;'>Sucesso: ".$nome."</div>";
}
echo $resposta;
$conn->close();
?>
Ressalto que sou iniciante em PHP, então podem ter erros no código.
Olá Pessoal, consegui resolver, segue código abaixo para quem tiver a mesma dificuldade:
Como eu tenho uma variavel contendo o resultado da leitura do PDF, precisava conferir cada palavra no banco, na tabela indexadores, que seriam as palavras-chave, que o usuario cadastra para para a identificação automática do documento, para isso fiz da seguinte forma:
//Uso o mysqli_real_escape_string para escapar alguns caracteres não permitidos pelo Mysql.
//$response é a que recebe todas o texto extraido
$conteudo = mysqli_real_escape_string($conn, $response);
//Faço um explode na variavel response quebrando onde tiver espaço, transformando todo o texto extraido em um array.
$textoPDF = explode(" ", $response);
//Faço um implode na variavel textoPDF colocando vírgula e aspas em cada palavra, para poder consultar no banco com o IN.
$text = "'" . implode("','",$textoPDF) . "'";
//Faço uma consulta juntando as tabelas tipo_documento e indexadores. E verifico se na tabela indexadores possui palavras iguais
//ao texto extraido do PDF. Se o resultado for maior ou igual a 2
//é listado as variaveis e inserido o documento já classificado no banco, recebendo o id_tipo, id_area etc.
$result = $conn->query("SELECT * FROM indexadores INNER JOIN tipo_documento ON indexadores.id_tipo = tipo_documento.id_tipo WHERE palavraschave IN ($text) AND id_empresa = $empresa");
if(@mysqli_num_rows($result) >= 2){
while($doc = mysqli_fetch_array($result)) {
$id_tipo = $doc['id_tipo'];
$tipo = $doc['descricao'];
$id_area = $doc['id_area'];
// echo "palavras: ".$doc['palavraschave'];;
}
$tipo_doc = $tipo;
$status = "Indexado";
//Se a condição for satisfeita,o arquivo foi classificado, faço o Insert na tabela documentos.
$query = $conn->query("INSERT INTO documentos (id_tipo, id_area, id_empresa, nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES ($id_tipo,$id_area,$empresa,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')") or die(mysqli_error($conn));
}else{
//Caso o resultado for menor que 2 palavras, o documento é inserido, mas não classificado.
$tipo = "<b>Indefinido</b>";
$status = "<b>Não Indexado</b>";
$query = $conn->query("INSERT INTO documentos (id_tipo, id_area,id_empresa,nome_documento, descricao_documento, tamanho_documento, dados_documento, conteudo_documento, status_documento)
VALUES (0,0,$empresa,'$nome', '$tipo','$tamanho','$dados','$conteudo','$status')") or die(mysqli_error($conn));
}
$text = strpos($varaivel, "busca");
Ela permite que seja pesquisada uma determinada string dentro de outra string.
dai você cria uma codição, se ele encontra a string dentro da varivale, retorna TRUE se não false.