Yii框架需借助第三方库（如smalot/pdfparser）提取PDF文本，推荐Composer安装；解析时验证文件类型，调用Parser获取文本，注意中文编码与扫描件OCR需求，并做好安全校验与异步优化。
Yii框架本身不直接提供PDF内容提取功能，需借助第三方PHP库（如tcpdf、fpdi、smalot/pdfparser或spipu/html2pdf）配合使用。最常用且稳定的选择是 smalot/pdfparser —— 它专为解析PDF文本和元数据设计，兼容性强，支持中文（需注意编码与字体映射）。
安装 PDFParser 库
推荐通过 Composer 在 Yii2 项目中引入：
- 执行命令：
composer require smalot/pdfparser - 安装完成后，Yii 会自动加载其命名空间（PSR-4 兼容），无需额外配置 autoload
- 若使用 Yii1，需手动在
protected/vendors下引入并require_once相关文件
在控制器中编写提取逻辑
以 Yii2 为例，在控制器方法中读取并解析 PDF 文件内容：
- 先验证上传文件是否为 PDF：
$file->getExtension() === 'pdf' - 使用
Smalot\PdfParser\Parser实例解析：$parser = new \Smalot\PdfParser\Parser(); $pdf = $parser->parseFile($filePath); - 提取全部文本：
$text = $pdf->getText();（返回纯字符串，含换行与空格） - 如需按页处理，可用
$pdf->getPages()获取页面数组，再对每页调用$page->getText()
处理中文乱码与字体问题
PDF 中的中文显示异常通常源于字体嵌入缺失或编码未映射。可尝试以下方式缓解：
- 确保 PDF 文件本身嵌入了中文字体（如 Adobe Song Std、Noto Sans CJK 等）
- PDFParser 默认不渲染字体，仅提取已编码的字符；若内容为图片型 PDF（扫描件），该库无法识别文字——此时需集成 OCR 工具（如 Tesseract + imagick）
- 对提取结果做简单清洗：
trim(preg_replace('/\s+/', ' ', $text))去除多余空白
安全与性能注意事项
PDF 解析涉及文件读取与内存操作，上线前务必校验：
- 限制上传大小（如 Nginx 的
client_max_body_size和 Yii 的uploadMaxSize） - 校验 MIME 类型，不单靠扩展名（
finfo_file检查真实类型） - 避免解析超长/畸形 PDF，可设置超时或捕获
Exception，例如Smalot\PdfParser\Exception\ParseException - 高并发场景建议异步处理（如通过 Yii2 的 Queue 扩展交由后台 worker 执行）
