Yii怎么解析PDF文档提取文本内容源码-php教程-PHP中文网

smalot/pdfparser是Yii项目中提取PDF文本的首选方案，纯PHP实现、无需扩展依赖，支持元数据提取与多页文本获取，但不支持扫描件OCR和加密PDF。

yii怎么解析pdf文档提取文本内容源码

Yii 是一个 PHP 框架，本身不内置 PDF 解析能力，也没有官方 PDF 解析组件。所以“Yii 怎么解析 PDF 提取文本”这个问题，核心不在 Yii，而在于你选用的底层 PDF 处理库——Yii 只负责调用和组织逻辑。

Yii 项目中常用 PDF 文本提取方案

实际开发中，Yii（2.x 或 3.x）通常通过以下成熟 PHP 库来完成 PDF 文本提取，无需自己写 OCR 或布局分析源码：

tcpdf：侧重生成 PDF，不推荐用于提取（无 extract_text 方法）
smalot/pdfparser：轻量、纯 PHP 实现，适合原生 PDF（非扫描件），支持元数据+基础文本提取
setasign/fpdi-tcpdf + pdfparser 组合：用于带加密或需先解密再读取的场景
spipu/html2pdf 不适用——这是生成工具，不是解析器

最实用的代码示例（基于 smalot/pdfparser）

在 Yii2 中，推荐用 smalot/pdfparser，它稳定、无扩展依赖、支持中文（只要 PDF 内嵌字体）。安装方式：

composer require smalot/pdfparser

在控制器中使用（如 SiteController.php）：

use Smalot\PdfParser\Parser;

public function actionExtractText()
{
    $pdfPath = '@app/web/uploads/report.pdf';
    if (!file_exists($pdfPath)) {
        throw new \yii\web\HttpException(404, 'PDF 文件不存在');
    }

    $parser = new Parser();
    $pdf    = $parser->parseFile($pdfPath);
    $text   = $pdf->getText(); // 自动遍历所有页，返回纯文本字符串

    return $this->asJson(['success' => true, 'text' => trim($text)]);
}

注意：$pdf->getText() 已内部处理多页、编码、空行合并等，无需手动循环 pages。