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：