yii框架本身不提供pdf文本提取能力，需借助smalot/pdfparser库实现；该库纯php、无需系统依赖，支持文本型pdf的全文及分页提取，但不支持加密、扫描件（ocr需另接tesseract或云api）。
Yii框架本身不提供PDF文本内容提取能力，需借助第三方PHP库实现。最常用、稳定且与Yii2集成度高的方案是 smalot/pdfparser 扩展，它纯PHP实现、无需系统级依赖（如pdftotext），适合在共享主机或容器环境中部署。
安装与基础配置
通过 Composer 安装解析器：
- 执行命令：
composer require smalot/pdfparser - 无需额外注册服务组件，直接在控制器或服务类中 use 类即可使用
- 注意：该库支持 PDF 1.0–1.7，对含加密、JavaScript 或高级字体嵌入的 PDF 可能解析失败，建议先用 Acrobat 检查文档是否可复制文本
在 Yii2 中提取纯文本内容
典型用法如下（Controller 示例）：
- 加载 PDF 文件（支持本地路径或 UploadedFile 实例）：
$parser = new \Smalot\PdfParser\Parser();<br>$pdf = $parser->parseFile('/path/to/invoice.pdf'); - 获取全部页面文本：
$text = $pdf->getText(); // 返回连续字符串，含换行符 - 按页提取便于结构化处理：
$pages = $pdf->getPages();<br>foreach ($pages as $page) {<br> $pageText = $page->getText();<br> // 可做关键词匹配、正则抽取金额/单号等<br>}
结合 Yii2 模型与验证做结构化解析
若用于票据识别类场景（如自动提取发票号码、金额、开票日期），建议封装为独立服务：
- 创建
app/services/PdfTextExtractor.php，注入yii\helpers\StringHelper辅助清洗（去空行、合并断裂词） - 定义规则方法，例如：
extractInvoiceNo($text)使用正则/发票代码[:：\s]*(\d{12})/u - 在模型中调用时捕获异常：
try { $result = PdfTextExtractor::fromFile($model->pdf_file->tempName); } catch (\Exception $e) { $model->addError('pdf_file', 'PDF内容无法读取，请检查格式'); }
性能与边界注意事项
PDF 解析属于 CPU 密集型操作，需规避常见陷阱：
- 大文件（>5MB 或 >100页）建议加超时控制：
set_time_limit(60);并记录日志 - 扫描件类 PDF（即图片型）无法提取文字——
smalot/pdfparser仅处理文本型 PDF；如需 OCR，须另接 Tesseract（需系统安装）或云 API（如百度 OCR） - 中文乱码通常因 PDF 内嵌字体未正确映射，可尝试用
$pdf->getDetails()查看Producer和Creator字段，辅助判断生成工具来源
