Yii框架需借助外部工具提取PDF文本：先流式下载远程PDF至临时文件并校验文件头，再用smalot/pdfparser本地解析（支持中文、不支持OCR）或调用PDF-Parser-1.0 API处理扫描件，最后清理临时文件并返回结构化结果。
Yii框架本身不直接提供PDF文本提取能力，需借助外部工具或服务完成“远程PDF → 下载 → 解析 → 提取文本”全流程。核心思路是：先用PHP安全下载远程PDF到临时路径，再调用PDF解析库（如spipu/pdf-parser、smalot/pdfparser）或调用API（如Gemini、PDF-Parser-1.0）获取文本内容。
下载远程PDF到本地临时文件
避免使用file_get_contents()加载大文件进内存，推荐流式写入：
- 用
fopen('https://...', 'rb')打开远程URL流 - 用
fopen($tempPath, 'wb')创建临时文件句柄 - 循环
stream_copy_to_stream()分块传输，控制内存占用 - 下载完成后校验文件头是否为
%PDF-，防止返回HTML错误页
用smalot/pdfparser本地解析PDF文本
轻量、纯PHP、支持中文（需PDF内嵌字体），适合非扫描版文档：
- 安装：
composer require smalot/pdfparser - 加载时指定
setUseRawText(true)提升中文识别率 - 逐页调用
$page->getText()，合并后做基础清洗（去空行、合并换行符） - 注意：不支持OCR，扫描PDF会返回空字符串
调用PDF-Parser-1.0 API解析（含扫描件）
适用于需要识别图片型PDF或保留表格结构的场景：
- 部署好PDF-Parser-1.0服务（默认监听
http://localhost:7860） - 用
cURLPOST上传临时PDF文件，Content-Type: multipart/form-data - 接收JSON响应中的
text字段或tables数组 - 解析完成后立即
unlink($tempPath)清理临时文件
在Yii控制器中整合示例
以SiteController为例，封装成可复用动作：
- 接收
url参数（需白名单校验域名，防SSRF） - 生成唯一
$tempFile = Yii::getAlias('@runtime/pdf/') . md5($url) . '.pdf' - 下载→解析→返回JSON：
['status' => 'success', 'text' => $extracted] - 异常时统一返回
400并记录日志（如网络失败、解析超时、格式不支持）
