Yii不提供PDF解析能力，需借助第三方工具；推荐PDF-Parser-1.0服务进行结构化解析，输出JSON/CSV/Markdown；轻量场景可用poppler-utils的pdftotext；禁用硬套OCR或自研解析。
Yii本身不提供PDF内容读取解析能力，它专注Web应用开发，PDF解析需借助第三方工具。直接在Yii里用PHP原生函数或扩展（如pdftotext、tcpdf）效果有限，也不推荐——它们不处理布局、表格、公式等结构信息，纯文本提取容易错乱、丢格式。
用PDF-Parser-1.0做结构化解析（推荐）
这是目前最贴近真实业务需求的方案：能识别标题/正文/表格/公式/图文混排，并输出可编辑的JSON、CSV或Markdown。它和Yii完全解耦，部署为独立服务，Yii只需发HTTP请求调用即可。
- 启动PDF-Parser-1.0服务（Docker或Python方式均可），默认监听
http://localhost:7860 - 在Yii控制器中用
cURL或GuzzleHttp\Client上传PDF文件到该服务的/api/analyze接口 - 接收返回的JSON结果，提取
text字段获取全文，或遍历layout数组还原段落顺序，从tables中导出结构化表格数据 - 敏感场景下，可将PDF先存入临时目录，再传本地路径给解析服务（需服务支持
file://协议或挂载相同卷）
轻量级文本提取（仅适用于简单PDF）
如果PDF全是印刷体、无扫描页、无复杂排版，且只要纯文字，可用系统级工具快速集成：
- 确保服务器已安装
poppler-utils（Ubuntu执行sudo apt-get install poppler-utils） - 在Yii中调用
pdftotext -layout input.pdf -命令，用shell_exec()捕获输出 - 注意过滤控制字符、合并换行、清理页眉页脚（正则匹配常见公司名、日期、页码模式后剔除）
- 不适用于含图片、水印、加密或扫描件的PDF，会返回空或乱码
避免踩坑的关键点
别在Yii里硬套OCR库（如Tesseract）或自己写PDF解析逻辑——维护成本高、准确率低、性能差。PDF解析本质是CV+OCR+NLP协同任务，已有成熟模型（如PDF-Parser-1.0底层用PaddleOCR+YOLO+StructEqTable），重复造轮子得不偿失。
- 不依赖浏览器环境，所有解析都在服务端完成，Yii只做“调度员”角色
- 上传前建议校验PDF是否可读：
exec('pdfinfo ' . escapeshellarg($filePath), $out, $returnCode)，$returnCode !== 0说明文件损坏或加密 - 大文件（>50MB）需分片上传或加超时控制，避免Yii请求卡死
