0

Есть задача - вытащить текст из файла и положить в бд для индексации. Для вытаскивания текста использую обертку на PHP для Apache Tika (https://github.com/NinoSkopac/PhpTikaWrapper).
Если вызывать метод из веба:

$text = TikaWrapper::getText('test.docx');
var_dump($text);

То все русские символы в файле отображаются как "?", при этом английский текст отображается нормально.
Запуская тот же самый скрипт из консоли - все русские символы отображаются нормально.
В чем может быть проблема и как это исправить? Крайне необходимо использовать библиотеку из веба.

2
  • Не пробовали преобразовать полученную строку $text в utf-8? Или getText возвращает не строку? Commented 25 февр. 2020 в 17:57
  • @DmitriySaxarov пробовал iconv, mb_convert_encoding и даже setlocale. Но я уже нашел способ.
    – krown_loki
    Commented 25 февр. 2020 в 20:07

1 ответ 1

0

К сожалению не сразу, но нашел решение.
Я пытался ставить локаль на utf-8 с помощью setlocale(LC_ALL, 'ru_RU.utf8'), но это не давало эффекта.
Помогло использование putenv('LC_ALL=ru_RU.utf8'), честно говоря я не понял какая разница между setlocale и putenv, но это помогло мне.

Ваш ответ

Нажимая «Отправить ответ», вы соглашаетесь с условиями пользования и подтверждаете, что прочитали политику конфиденциальности.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.