yii框架本身不直接处理pdf解析，中文乱码主因是字体未嵌入、编码未映射或内容流未unicode解码，需从pdf源验证、解析库配置（如smalot/pdfparser注册中文字体映射）、生成端统一字体嵌入（如mpdf设fontdir/fontdata并禁用子集）三方面协同解决。
Yii框架本身不直接处理PDF解析，中文乱码问题通常出现在使用第三方PDF解析库（如 smalot/pdfparser、setasign/fpdi 或 tcpdf）时，核心原因是字体嵌入缺失、编码未正确映射或PDF内容流未按Unicode解码。解决需从PDF源、解析库配置、字体支持三方面协同处理。
确认PDF是否真正包含可提取的中文文本
很多“中文PDF”实际是扫描图像（OCR未做），解析器只能返回空或乱码。可用命令行工具快速验证：
-
Linux/macOS：
pdftotext -layout your.pdf - | head -n 20，若输出为方块、问号或空白，说明文本不可选，需先OCR - Windows：用Adobe Acrobat打开 → “文件→属性→字体”，查看是否列出中文字体（如“SimSun”、“NotoSansCJKsc”）；若显示“Embedded Subset”且名称含“GBK”“UCS2”等，大概率可提取
- 在Yii中临时用
file_get_contents()读取PDF二进制头，检查是否含%PDF-1.（正常）或纯JPG/PNG魔数（实为图片）
使用 smalot/pdfparser 提取中文时的字体适配
该库默认不加载中文字体，遇到 CID 字符集（常见于中文PDF）会返回或空。需手动注入字体映射：
- 安装扩展：
composer require smalot/pdfparser - 在解析前注册常用中文字体路径（如系统自带或项目内嵌）：
$parser = new \Smalot\PdfParser\Parser();<br> $parser->setFontDir(Yii::getAlias('@app/fonts/')); // 放入 simsun.ttc、NotoSansCJKsc-Regular.otf 等 - 关键：覆盖默认字体解析逻辑，在
Parser实例化后调用：$parser->setFontMap([<br> 'Adobe-GB1' => 'NotoSansCJKsc-Regular.otf',<br> 'GB-EUC-H' => 'simsun.ttc',<br> 'UniGB-UTF16-H' => 'NotoSansCJKsc-Regular.otf'<br> ]) - 提取时强制启用Unicode解码：
$document = $parser->parseFile('xxx.pdf');<br> $text = $document->getText(true); // 第二个参数 true 启用 UTF-8 转换
生成PDF时避免后续解析乱码（反向预防）
若PDF由Yii应用生成（如用 mpdf 或 tcpdf），必须从源头确保字体嵌入与编码统一：
- 使用
mpdf（推荐）：$mpdf = new \Mpdf\Mpdf([<br> 'mode' => 'utf-8',<br> 'format' => 'A4',<br> 'fontDir' => [Yii::getAlias('@app/fonts/')],<br> 'fontdata' => [<br> 'simhei' => ['R' => 'simhei.ttf'],<br> 'noto' => ['R' => 'NotoSansCJKsc-Regular.otf']<br> ],<br> 'default_font' => 'noto'<br> ])<br> $mpdf->WriteHTML('<span style="font-family: noto;">你好，世界</span>'); - 禁用子集嵌入（否则解析器无法识别字体名）：
'useSubstitutions' => false, 'autoScriptToLang' => false - 导出前调用
$mpdf->Output('xxx.pdf', 'F')，再用pdffonts xxx.pdf验证字体是否显示为“yes”和“embedded”
备用方案：调用系统级OCR处理扫描PDF
对纯图像PDF，PHP层集成Tesseract OCR是最可靠方式：
- 安装
tesseract-ocr和中文语言包：sudo apt install tesseract-ocr tesseract-ocr-chi-sim（Ubuntu） - 用
spatie/pdf-to-text库自动调用：composer require spatie/pdf-to-text<br> $text = (new \Spatie\PdfToText\Pdf())->setPdf('scan.pdf')->text();
它内部会将PDF转为PNG，再执行tesseract xx.png stdout -l chi_sim - 注意：需在Yii配置中允许shell执行，生产环境建议异步处理并加超时限制
