yii框架本身不支持pdf解析，“读取pdf返回空文本”实为第三方库解析失败，根源在于pdf类型识别错误：扫描型（纯图）、混合型（图文混排）或字体映射异常（tounicode缺失），需用pymupdf等工具诊断后分路径解决。
Yii 框架本身不提供 PDF 解析能力，所谓“Yii 读取 PDF 返回空文本”，实际是项目中调用了第三方库（如 Smalot/PdfParser、setasign/Fpdi、spatie/pdf-to-text 或直接用 PyMuPDF 的 PHP 绑定）时出现的文本提取失败问题。核心不在 Yii，而在 PDF 类型识别与解析逻辑是否适配——看得到 ≠ 能提取。
先确认 PDF 是哪一类
肉眼能复制文字 ≠ 文件含可提取文本层。三类常见“空结果”根源：
- 扫描型 PDF：每页本质是图片，无字符对象。任何纯文本提取库都会返回空或乱码。
- 混合型 PDF：正文有文本，但表格、公式、印章、水印等区域是图。提取时可能漏掉关键段落，看似“部分为空”。
- 字体映射异常 PDF：文字存在，但 ToUnicode 表缺失或损坏，导致解析器无法映射字形到 Unicode 字符，输出为方块、空格或乱码符号。
快速诊断脚本（PHP 环境下）
别猜，用 PyMuPDF（fitz）或 TCPDF 的检查方法验证：
- 用
$page->getText("text")提取前几页，统计非空字符数； - 若返回空字符串占比高（如 5 页里 4 页长度为 0），大概率是扫描件；
- 若返回大量不可见字符（如
\x00、\uFFFD）、或每行仅 1–2 个符号，说明字体映射失效。
对应解决路径
根据诊断结果选动作：
- 确认是扫描件 → 必须走 OCR 流程：集成
PaddleOCR或Tesseract，先转图像再识别，不能跳过图像预处理（去噪、二值化、倾斜校正）； - 确认是混合型 → 用支持版面分析的工具（如
pdfplumber+layoutparser）定位文本区域，避开图像区块做定向提取； - 确认是字体问题 → 尝试用
qpdf重线性化或修复：qpdf --linearize input.pdf output.pdf；或换解析引擎（pdfminer.six对某些嵌入字体兼容性更好）。
Yii 中集成建议
把解析逻辑封装成独立服务，不要耦合在控制器里：
- 新建
app\services\PdfTextExtractor.php，内含类型判断 + 引擎路由逻辑； - 上传后先调
inspectPdf($path)分流，再决定走 OCR 还是原生解析； - 避免在
actionUpload()中直接调file_get_contents后硬解析——大文件易超内存，且无法中断重试。
