Yii框架不内置PDF文字提取功能，需用spipu/pdf-parser库（原smalot/pdfparser的维护版），其轻量、无依赖、支持UTF-8和中文；须确保PDF非扫描件，否则需先OCR；推荐封装为服务类并在Controller中调用。
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、fpdi、smalot/pdfparser 或更推荐的 setasign/fpdi + setasign/fpdf 组合），但最稳定、兼容性好且支持中文（需正确处理字体）的是 smalot/pdfparser（纯 PHP 实现，无需扩展）或 spipu/pdf-parser（其活跃维护分支）。
推荐方案：使用 spipu/pdf-parser（原 smalot/pdfparser 的现代维护版）
该库轻量、无依赖、支持 UTF-8，能可靠提取文字（含多栏、表格结构较弱的 PDF），对中文 PDF 只要内嵌字体或使用标准编码即可正常读取。
- 安装（Composer）：composer require spipu/pdf-parser
- 确保 PDF 不是扫描图（即非图片型 PDF）；若为扫描件，需先 OCR（如调用 Tesseract），Yii 不直接处理 OCR
- Yii2 中建议封装为独立服务类，避免在 Controller 中直写解析逻辑
完整可运行代码（Yii2 环境）
以下为一个标准 Yii2 应用中使用的 PDF 文字提取服务示例（放在 common/services/PdfTextExtractor.php）：
<?php namespace common\services;
<p>use Spipu\PdfParser\Parser;<p>class PdfTextExtractor
{
/**</p>
-
从 PDF 文件路径提取纯文本内容
@param string $filePath 本地绝对路径，如 '@runtime/uploads/sample.pdf'
@return string 提取的文字内容（UTF-8）
-
@throws \Exception 当文件不存在、非 PDF 或解析失败时 */ public function extractText($filePath): string { if (!is_file($filePath)) { throw new \Exception("PDF file not found: {$filePath}"); }
// 解析器实例化 $parser = new Parser(); try { $pdf = $parser->parseFile($filePath); return $pdf->getText(); } catch (\Throwable $e) { throw new \Exception("Failed to parse PDF: " . $e->getMessage()); } }
/**
* 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 $uploadedFile
* @return string
*/
public function extractFromUploadedFile($uploadedFile): string
{
$tempPath = $uploadedFile->tempName;
if (!$tempPath || !is_file($tempPath)) {
throw new \Exception('Invalid uploaded file');
}
return $this->extractText($tempPath);
}
}
在 Controller 中调用示例
假设你有一个上传并解析 PDF 的接口：
use common\services\PdfTextExtractor;
use yii\web\UploadedFile;
<p>public function actionParsePdf()
{
$model = new UploadForm(); // 自定义表单模型，含 file 属性</p><pre class="brush:php;toolbar:false;">if (Yii::$app->request->isPost) {
$model->file = UploadedFile::getInstance($model, 'file');
if ($model->file && $model->file->extension === 'pdf') {
$extractor = new PdfTextExtractor();
try {
$text = $extractor->extractFromUploadedFile($model->file);
// 可选：保存到数据库、返回 API 响应等
return $this->asJson(['success' => true, 'text' => mb_substr($text, 0, 2000)]); // 截断防超长
} catch (\Exception $e) {
return $this->asJson(['success' => false, 'error' => $e->getMessage()]);
}
} else {
return $this->asJson(['success' => false, 'error' => 'Please upload a valid PDF file.']);
}
}
return $this->render('upload');
}
注意事项与常见问题
- 中文乱码？ 大多因 PDF 使用了未嵌入的中文字体或自定义编码。spipu/pdf-parser 会尽力映射，但无法 100% 还原。可尝试用 Adobe Acrobat “另存为” → 勾选“保留原始字体”再试；或改用 mikehaertl/php-pdftk（需服务器装 pdftk）配合系统字体缓存
-
空白或只返回页数？ 说明 PDF 是扫描图像（Raster PDF）。此时需 OCR 流程：用
Imagick将每页转为 PNG，再调用tesseract-ocrCLI 解析 -
性能优化：大文件（>50MB）建议加超时控制、内存限制（
ini_set('memory_limit', '512M')）及分页提取（$pdf->getDetails()获取页数后逐页$pdf->getPage($i)->getText()） -
安全提醒：切勿直接解析用户上传的 PDF 路径（如
$_GET['file']），必须校验扩展名、重命名、存入隔离目录（如@runtime/temp/），防止路径遍历或恶意 PDF 攻击
