Yii本身不提供PDF文本提取功能，需借助外部工具如pdftotext（电子版）或OCR方案（扫描件），在控制器或服务类中安全调用，而非安装Yii扩展。
Yii本身不提供PDF文本提取功能，需借助外部命令行工具（如pdftotext）或OCR方案（如PDF-Extract-Kit）配合PHP调用实现。直接在Yii中“安装扩展”来提取PDF文本并不成立——没有主流Yii扩展封装pdftotext为原生组件，也无成熟扩展将OCR能力深度集成进ActiveRecord或Model层。正确路径是：先装好系统级工具，再在Yii控制器或服务类中安全调用。
安装pdftotext系统工具（推荐首选）
这是最轻量、最稳定、零依赖的PDF纯文本提取方式，适合电子版PDF（非扫描件）。
- Linux（Ubuntu/Debian）：
sudo apt install poppler-utils - Linux（CentOS/RHEL）：
sudo yum install poppler-utils - macOS（Homebrew）：
brew install poppler - Windows：下载poppler Windows二进制包，解压后将
bin/目录加入系统PATH - 验证安装：
pdftotext -v，建议版本 ≥ 0.86.0
在Yii中安全调用pdftotext
不要用exec()裸调，应封装校验逻辑，防止命令注入和超时崩溃。
- 确认PDF文件存在且路径可信（建议限定在
@webroot/uploads/等受控目录） - 使用
escapeshellarg()转义文件路径：$cmd = sprintf('pdftotext -enc UTF-8 %s -', escapeshellarg($pdfPath)); - 用
proc_open()设置超时（如30秒）和内存限制，捕获stderr错误输出 - 示例代码片段（放在Service类中）：
class PdfTextExtractor
{
public static function extract($pdfPath, $pageFrom = null, $pageTo = null): string
{
if (!is_file($pdfPath) || !is_readable($pdfPath)) {
throw new InvalidArgumentException('PDF file not found or unreadable');
}
$cmd = 'pdftotext -enc UTF-8';
if ($pageFrom !== null) $cmd .= " -f {$pageFrom}";
if ($pageTo !== null) $cmd .= " -l {$pageTo}";
$cmd .= ' ' . escapeshellarg($pdfPath) . ' -';
$descriptors = [
0 => ['pipe', 'r'],
1 => ['pipe', 'w'],
2 => ['pipe', 'w'],
];
$process = proc_open($cmd, $descriptors, $pipes);
if (!is_resource($process)) {
throw new RuntimeException('Failed to start pdftotext process');
}
fclose($pipes[0]);
$output = stream_get_contents($pipes[1]);
$error = stream_get_contents($pipes[2]);
fclose($pipes[1]);
fclose($pipes[2]);
$returnCode = proc_close($process);
if ($returnCode !== 0) {
throw new RuntimeException("pdftotext failed (code {$returnCode}): {$error}");
}
return trim($output);
}
}
处理扫描件PDF？需OCR方案（如PDF-Extract-Kit）
若PDF是图片型（扫描件），pdftotext会输出空内容，此时必须上OCR。PDF-Extract-Kit是当前对中文支持较好、可本地部署的开源方案。
- 它不是Yii扩展，而是一个Python Web服务，需单独部署（参考其GitHub文档）
- 部署后，Yii通过HTTP API调用：
file_get_contents()或GuzzleHttp\Client发送PDF文件流 - 关键配置项：启用PaddleOCR中文模型、调整DPI参数（扫描件建议设为300）、开启layout分析
- 注意权限与超时：大文件上传需调高
nginx client_max_body_size和PHPupload_max_filesize
不建议走“Yii扩展”路线的原因
目前无维护活跃、生产可用的Yii扩展封装PDF文本提取逻辑。已有尝试（如某些Composer包）普遍存在以下问题：
- 底层仍调用
pdftotext或tesseract，却未做路径校验与错误隔离，易被利用执行任意命令 - 硬编码临时目录，多用户并发时产生冲突或泄露敏感路径
- 忽略字符编码处理，中文输出乱码（
-enc UTF-8参数缺失） - 未适配Yii的异常体系，错误直接抛出PHP Warning而非可捕获Exception
