Yii解析PDF提取文字内容完整可运行代码-php教程-PHP中文网

yii框架需借助smalot/pdfparser库实现pdf文字提取，通过创建pdftextextractor服务类封装解析逻辑，支持本地文件及上传文件的中文文本提取，并在控制器中调用完成上传解析全流程。

yii解析pdf提取文字内容完整可运行代码

Yii 框架本身不内置 PDF 文字提取功能，需借助第三方 PHP PDF 解析库（如 tcpdf、fpdf 或更推荐的 smalot/pdfparser）来实现。下面提供一个在 Yii 2.x 环境中可直接运行、完整可用的方案，使用 smalot/pdfparser（轻量、纯 PHP、支持中文、无需扩展依赖）提取 PDF 文字内容。

1. 安装 pdfparser 库

在项目根目录执行：

composer require smalot/pdfparser

2. 创建 PDF 提取服务类（推荐放在 `common/services/PdfTextExtractor.php`）

该类封装解析逻辑，支持中文 PDF（需确保 PDF 内嵌字体或使用标准编码）：

Yii Framework 2.0.51

Yii Framework 2.0.51 官方 Basic 应用模板，适合旧项目兼容、升级验证和开发测试。

下载

<?php namespace common\services;

use Smalot\PdfParser\Parser;

class PdfTextExtractor
{
    /**
     * 从本地 PDF 文件路径提取纯文本
     * @param string $filePath 本地绝对路径，如 '@app/runtime/uploads/sample.pdf'
     * @return string 提取的文字内容（失败返回空字符串）
     */
    public static function extractText($filePath)
    {
        if (!is_file($filePath) || !is_readable($filePath)) {
            return '';
        }

        try {
            $parser = new Parser();
            $pdf    = $parser->parseFile($filePath);
            $pages  = $pdf->getPages();
            $text   = '';

            foreach ($pages as $page) {
                $text .= $page->getText() . "\n";
            }

            return trim($text);
        } catch (\Exception $e) {
            \Yii::error('PDF text extraction failed: ' . $e->getMessage(), __CLASS__);
            return '';
        }
    }

    /**
     * 从上传的 UploadedFile 对象提取文本（常用于表单上传后立即解析）
     * @param \yii\web\UploadedFile $uploadedFile
     * @return string
     */
    public static function extractFromUploadedFile($uploadedFile)
    {
        $tempPath = $uploadedFile->tempName;
        return self::extractText($tempPath);
    }
}

3. 在控制器中调用（例如 `SiteController.php`）

演示上传 PDF 并提取文字的完整流程：

<?php namespace app\controllers;

use Yii;
use yii\web\Controller;
use yii\web\UploadedFile;
use common\services\PdfTextExtractor;

class SiteController extends Controller
{
    public function actionParsePdf()
    {
        $text = '';

        $model = new \yii\base\DynamicModel(['pdfFile']);
        $model->addRule('pdfFile', 'file', [
            'extensions' => 'pdf',
            'maxSize'    => 5 * 1024 * 1024, // 5MB
            'mimeTypes'  => ['application/pdf'],
        ]);

        if (Yii::$app->request->isPost) {
            $model->pdfFile = UploadedFile::getInstance($model, 'pdfFile');
            if ($model->validate()) {
                // 保存临时文件（也可直接用 tempName 解析，无需落盘）
                $uploadDir = Yii::getAlias('@runtime/uploads');
                if (!is_dir($uploadDir)) {
                    mkdir($uploadDir, 0755, true);
                }
                $filePath = $uploadDir . '/' . uniqid() . '.pdf';
                if ($model->pdfFile->saveAs($filePath)) {
                    $text = PdfTextExtractor::extractText($filePath);
                    // 可选：解析完删除临时文件
                    @unlink($filePath);
                }
            }
        }

        return $this->render('parse-pdf', [
            'model' => $model,
            'text'  => $text,
        ]);
    }
}

4. 对应视图 `views/site/parse-pdf.php`

简单上传表单 + 显示结果：

<?php use yii\helpers\Html;
use yii\widgets\ActiveForm;
?><h3>上传 PDF 并提取文字</h3>

<?php $form = ActiveForm::begin(['options' => ['enctype' => 'multipart/form-data']]) ?>
    = $form->field($model, 'pdfFile')->fileInput() ?>
    = Html::submitButton('解析', ['class' => 'btn btn-primary']) ?>
<?php ActiveForm::end() ?><?php if (!empty($text)): ?><h4>提取结果：</h4>
    <pre class="brush:php;toolbar:false;" style="background:#f5f5f5; padding:12px; border-radius:4px; max-height:400px; overflow:auto;">
= htmlspecialchars($text) ?>

注意事项与常见问题

中文乱码？ 大部分情况是 PDF 自身未嵌入中文字体或使用了非标准编码。pdfparser 能较好处理 Adobe Reader 兼容的中文 PDF；若仍乱码，可尝试用 poppler-utils 的 pdftotext 命令行工具（需服务器支持），再通过 exec() 调用。
大文件卡顿？ pdfparser 是内存加载，建议限制上传大小（如示例中的 5MB），生产环境可加超时控制或队列异步处理。
仅提取文字，不含格式/图片/表格？ 是的，本方案目标是纯文本。如需结构化提取（如识别段落、表格），需结合 OCR（如 Tesseract）或商业 SDK（如 Adobe PDF Services API）。
Yii 1.x 用户：原理相同，只需将服务类放入 protected/components/，调用方式微调即可。