yii框架不提供pdf解析能力，需依赖spatie/pdf-to-text（基于pdftotext）或smalot/pdfparser等第三方库；优化关键在于按需加载、流式处理与预过滤，避免全量加载导致内存溢出，推荐优先使用pdftotext命令行工具实现高效文本提取。
Yii框架本身不提供PDF内容解析能力，读取PDF大文件需依赖第三方库（如smalot/pdfparser、setasign/fpdi或spatie/pdf-to-text），而性能瓶颈主要出现在内存占用、解析速度和文本提取准确性上。优化核心是“按需加载+流式处理+预过滤”，而非一次性载入全文。
优先用轻量解析器替代全量加载
很多场景只需提取文字、页数或元数据，不必渲染PDF。推荐使用spatie/pdf-to-text（基于pdftotext命令行工具）或smalot/pdfparser的Parser类——它们不加载图像/字体资源，仅解析结构化内容。
-
pdftotext -layout file.pdf -可直接输出带换行和空格保留的文本，速度快、内存低，适合100MB以内文件 - 若必须PHP原生解析，用
smalot/pdfparser时禁用decodeStreams（默认true），避免解压所有压缩对象 - 避免用
tcpdf或mpdf反向解析PDF——它们是生成器，不是阅读器，强行读取会OOM
分页/分块提取，避免单次全量解析
对超大PDF（如500页以上或含高分辨率图），按逻辑单元切分处理更可控。例如只读前3页摘要、最后1页签名区、或按关键词定位页码范围。
- 用
smalot/pdfparser获取总页数：$parser->parseFile($path)->getNumberOfPages()，再循环getPage($i)逐页提取 - 结合
exec("pdfinfo '$path' 2>/dev/null | grep 'Pages:'")快速获取页数，不触发完整解析 - 若需搜索关键词，先用
pdftotext -f 1 -l 50 file.pdf - | grep -m1 "订单号"限定范围，再精确定位
规避中文乱码与字体缺失问题
PDF中文字体常被嵌入或子集化，解析器若无对应字体映射，会返回空或乱码。这不是Yii问题，但影响结果可用性。
-
pdftotext依赖系统字体配置，Linux下安装poppler-data包（含中文字体描述）可显著改善识别率 -
smalot/pdfparser不自动处理CID字体，需手动注册映射表，或改用支持CJK的setasign/fpdi-tcpdf（仅限读取+重写场景） - 测试时用
pdfinfo -meta file.pdf查看是否声明Language: zh-CN，辅助判断内嵌字体质量
文件路径与权限控制必须前置校验
Yii应用中读取PDF往往来自用户上传或外部导入，路径不可信。未校验直接传给解析器可能引发路径穿越、读取敏感文件等风险。
- 路径必须通过
Yii::getAlias('@runtime/uploads/')等安全别名拼接，禁止接收原始$_GET['file'] - 用
is_file()+is_readable()双检，且限制文件大小（如filesize() ） - 对上传PDF，在模型层用
'file', 'extensions' => 'pdf', 'maxSize' => 1024 * 1024 * 50硬性约束
