Yii框架需借助第三方库（如smalot/pdfparser）提取PDF中文文本，推荐使用支持UTF-8和CJK字体的纯PHP解析器，注意PDF需内嵌字体且非扫描件；也可调用系统pdftotext提升准确率。
Yii框架本身不直接提供PDF文本提取功能，它是一个Web应用框架，处理PDF需依赖第三方PHP库（如smalot/pdfparser、setasign/fpdi或spipu/html2pdf等）。要从PDF中准确提取含中文的文本内容，关键在于选用支持UTF-8和CJK字体解析的库，并正确配置编码与字体映射。
推荐方案：使用 smalot/pdfparser（兼容中文）
smalot/pdfparser 是轻量、纯PHP实现的PDF解析器，对中文支持较好（需PDF内嵌字体或使用标准14字体且未加密）。它不依赖扩展（如pdftotext或poppler），适合在共享主机或Docker环境中部署。
- 安装（Composer）：
composer require smalot/pdfparser - 确保PDF未加密，且中文字符使用可识别的字体（如 Adobe-GB1、Noto Sans CJK、SimSun 等）；若PDF是图片型（扫描件），此方法无效，需先OCR（如用 Tesseract + imagick）
- Yii2中建议封装为一个服务类（如
app/services/PdfTextExtractor.php），避免在控制器中直写解析逻辑
Yii2中完整可用代码示例
以下为可在 Yii2 控制器或服务中直接调用的提取函数（已测试支持简体中文PDF文本）：
<?php use yii\base\Component;
use Smalot\PdfParser\Parser;
<p>class PdfTextExtractor extends Component
{
/**
从PDF文件路径提取纯文本（含中文）
@param string $filePath 本地PDF绝对路径（如 '@runtime/uploads/sample.pdf'）
-
@return string 提取的文本内容，失败返回空字符串 */ public function extractText($filePath) { if (!is_file($filePath) || !is_readable($filePath)) { return ''; }
try { $parser = new Parser(); $pdf = $parser->parseFile($filePath); $text = $pdf->getText(); // 自动处理多页、字体编码、换行等
// 可选：清理多余空白（保留段落换行，压缩连续空格/制表符） $text = preg_replace('/[ \t]+/', ' ', $text); $text = preg_replace('/\n\s*\n/', "\n\n", $text); $text = trim($text); return $text;} catch (\Exception $e) { \Yii::error('PDF text extraction failed: ' . $e->getMessage(), CLASS); return ''; } } }
在控制器中调用：
use app\services\PdfTextExtractor;
public function actionExtract() { $filePath = \Yii::getAlias('@app/uploads/demo.pdf'); $extractor = new PdfTextExtractor(); $content = $extractor->extractText($filePath);
if (empty($content)) {
throw new \yii\web\NotFoundHttpException('无法提取PDF文本，请检查文件路径或格式');
}
return $this->asJson(['text' => $content]);
}
常见问题与优化建议
-
乱码或中文缺失：多数因PDF使用自定义字体但未嵌入字形映射。可尝试用
pdfinfo $file查看是否含Language: zh-CN或字体列表；也可改用poppler-utils的pdftotext -enc UTF-8（需服务器支持），再用exec()调用（注意安全过滤） -
性能优化：大PDF（>50页）建议异步处理（如通过 Yii2 的 Queue + Redis），避免超时；可分页提取：
$pdf->getPages()[0]->getText() -
Yii3 用户注意：命名空间改为
Smalot\PdfParser\Parser不变，但需确认 Composer autoload 正确；推荐搭配yiisoft/files处理文件流
替代方案：调用系统 pdftotext（更稳定，需环境支持）
若服务器已安装 poppler-utils（Ubuntu/Debian：`apt install poppler-utils`），可获得更高准确率：
public function extractWithPdftotext($filePath)
{
if (!is_executable('/usr/bin/pdftotext')) {
return '';
}
$escapedPath = escapeshellarg($filePath);
$output = [];
exec("/usr/bin/pdftotext -enc UTF-8 {$escapedPath} - 2>/dev/null", $output, $returnCode);
return $returnCode === 0 ? implode("\n", $output) : '';
}
该方式对含中文字体映射的PDF兼容性更强，且自动处理横向排版、表格结构等，适合生产环境关键业务。
