yii需借助第三方库解析pdf文字，推荐smalot/pdfparser（轻量、纯php、中文支持好），但仅适用于文本型pdf；扫描件需ocr预处理，加密pdf需外部解密，乱码常因字体映射或文字转路径所致，可辅以pdftotext提升准确率。
Yii本身不提供PDF文字解析能力，需借助第三方PHP库（如smalot/pdfparser或setasign/fpdi搭配tcpdf）完成PDF文本提取。Yii2项目中推荐使用smalot/pdfparser，它轻量、纯PHP实现、无需扩展依赖，且对中文PDF支持较好（前提是PDF内文字为可选中状态，非扫描图）。
安装 smalot/pdfparser 扩展
在项目根目录执行：
composer require smalot/pdfparser- 确保PDF文件是文本型（非OCR扫描件），否则将返回空内容
Controller中读取PDF文字的示例代码
在任意控制器方法中（如SiteController::actionReadPdf()）：
use Smalot\PdfParser\Parser;
<p>// 假设PDF路径为 @app/uploads/sample.pdf
$pdfPath = Yii::getAlias('@app/uploads/sample.pdf');</p><p>if (!file_exists($pdfPath)) {
throw new \yii\web\HttpException(404, 'PDF文件不存在');
}</p><p>$parser = new Parser();
$pdf = $parser->parseFile($pdfPath);</p><p>// 获取全部文本（自动合并所有页）
$text = $pdf->getText();</p><p>// 或逐页获取
$pages = $pdf->getPages();
foreach ($pages as $i => $page) {
echo "第" . ($i + 1) . "页：\n" . $page->getText() . "\n\n";
}
</p>
注意：$pdf->getText()返回的是纯字符串，含换行与空格，不含格式信息；若PDF含加密或权限限制，需先解密（该库不支持解密，需用qpdf等命令行工具预处理）。
处理中文乱码或提取为空的常见原因
不是编码问题，而是PDF内部结构导致：
- 扫描件PDF：本质是图片，无文字对象 → 必须先OCR（如调用Umi-OCR或PaddleOCR API）
-
嵌入字体未映射Unicode：尤其老版PDF用自定义编码 → 可尝试启用
force_encoding参数（需修改源码或升级到v2.x分支） -
文字被渲染为路径（glyphs）：某些生成工具（如某些LaTeX导出）会将文字转为矢量路径 →
pdfparser无法识别，需换用poppler-utils中的pdftotext命令行工具
补充：用系统命令 pdftotext 辅助提取（更稳定）
若服务器可执行命令，pdftotext（来自poppler）准确率远高于纯PHP方案：
- Ubuntu/Debian安装：
sudo apt install poppler-utils - Yii中调用：
$text = shell_exec("pdftotext -enc UTF-8 {$pdfPath} - 2>/dev/null"); - 优势：支持CJK字体映射、自动处理编码、能提取受保护PDF（如有密码，加
-password 'xxx'）
