Конвертация PDF в plain text

Необходима помощь!
Задача:
Необходимо конвертнуть pdf в plain text или html средствами php. Для этих целей была использована функция-конвертор, найденная на php.net. Эта функция корректно выдирает текст на английском языке, а вот вместо русского выползает нечто вроде:

Код (Text):

1. 
   5
   ќ
   «
   «
   С
   оШKuzЂќ¦§¬№
   1
   16?CFg……”РЦиcЂ
2. Ђћ¶Щя22H‹§Л(HbМьнэ*эYэЮююю[ю–юБюзяVяy
   %-.|‡‘™ЎҐҐЄЇ¶ЖМЧЭмт
   
   
3. 
   
   
   #
   *
   ,
   1
   ?
   G
   I
   I
   M
   Q
   Q
   U
   U
   W
   Z
   Z
   a
   b
   h
   h
   
   Ђ
   ‚
   ѓ
   „
   Ќ
   •
   •
   •
   ?
   ™
   Ґ
   ©
4. 
   ¶
   ¶
   ·
   є
   є
   Х
   Я
   ж
   к
   т%'/9CCGORRgooprv~§і№Ц
5. %-

Жду предложений по поводу решения данной проблемы.
Исходный код функции-конвертора:

Код (Text):

1. <?php
2. $test = pdf2string("D:/www/search/test.pdf");
3. echo "$test";
4.  
5. # Returns a -1 if uncompression failed
6. function pdf2string($sourcefile)
7. {
8.    $fp = fopen($sourcefile, 'rb');
9.    $content = fread($fp, filesize($sourcefile));
10.    fclose($fp);
11.  
12.    # Locate all text hidden within the stream and endstream tags
13.    $searchstart = 'stream';
14.    $searchend = 'endstream';
15.    $pdfdocument = "";
16.  
17.    $pos = 0;
18.    $pos2 = 0;
19.    $startpos = 0;
20.    # Iterate through each stream block
21.    while( $pos !== false && $pos2 !== false )
22.    {
23.      # Grab beginning and end tag locations if they have not yet been parsed
24.      $pos = strpos($content, $searchstart, $startpos);
25.      $pos2 = strpos($content, $searchend, $startpos + 1);
26.      if( $pos !== false && $pos2 !== false )
27.      {
28.          # Extract compressed text from between stream tags and uncompress
29.          $textsection = substr($content, $pos + strlen($searchstart) + 2, $pos2 - $pos - strlen($searchstart) - 1);
30.          $data = @gzuncompress($textsection);
31.          # Clean up text via a special function
32.          $data = ExtractText($data);
33.          # Increase our PDF pointer past the section we just read
34.          $startpos = $pos2 + strlen($searchend) - 1;
35.          if( $data === false ) { return -1; }
36.          $pdfdocument = $pdfdocument . $data;
37.      }
38.    }
39.  
40.    return $pdfdocument;
41. }
42.  
43. function ExtractText($postScriptData)
44. {
45.    while( (($textStart = strpos($postScriptData, '(', $textStart)) && ($textEnd = strpos($postScriptData, ')', $textStart + 1)) && substr($postScriptData, $textEnd - 1) != '\\') )
46.    {
47.      $plainText .= substr($postScriptData, $textStart + 1, $textEnd - $textStart - 1);
48.      if( substr($postScriptData, $textEnd + 1, 1) == ']' ) // This adds quite some additional spaces between the words
49.      {
50.          $plainText .= ' ';
51.      }
52.  
53.      $textStart = $textStart < $textEnd ? $textEnd : $textStart + 1;
54.    }
55.  
56.    return stripslashes($plainText);
57. }
58.  
59. ?>

 

Проверено. Перекодировка с использованием mbstring результатов не дала. Были проверены все доступные кодировки.

 

К сожалению, не подходит.

 

http://lightcms.xost.ru/pub/test.pdf

 

Если бы так, задачи не стояло бы. Ее можно уточнить и слегка расширить: необходим скрипт, умеющий выдирать из pdf-а текстовые данные (причем, как на английском, так и на русском).

 

Хуже, что даже если взять лицензию от Apache (имеется там такая в pdf), с ней тоже возникнут проблемы. В общем-то проблема уже решена на 80% в самое ближайшее время выложу решение.

 

Частично (~на 80%) решение имеется здесь:
http://forum.fatal.ru/viewtopic.php?p=46744

Для моей задачи данного решения пока достаточно, а доводить времени нет. Я вернусь к ней чуть позже.

 

Это на грани невозможного, так как PDF - закрытый формат. Единственное 99% решение проблемы - это использовать внешние утилиты. Для Linux - это pdf2html, для win надо поискать. Хотя, если есть время и знания, можно взять какие-нибудь открытые исходники подобных утилит и попробовать портировать их на php. Изврат, конечно, не если получится, человечество тебе будет благодарно.