Yii框架不内置PDF解析能力，需借助smalot/pdfparser等第三方库；推荐使用轻量纯PHP的pdfparser，通过Composer安装并注册为应用组件，调用parseFile()和getText()提取文本，注意扫描版PDF需OCR预处理。
Yii 框架本身不内置 PDF 内容解析能力，需借助第三方 PHP 库（如 smalot/pdfparser、setasign/fpdi 或 spipu/html2pdf 的反向工具）实现 PDF 文字提取。推荐使用轻量、纯 PHP、无需扩展依赖的 smalot/pdfparser，兼容 Yii 2 和 Yii 3。
安装 pdfparser 扩展并注册为 Yii 组件
在项目根目录执行：
composer require smalot/pdfparser
接着在 Yii 配置文件（config/web.php 或 config/main.php）中注册为应用组件：
'components' => [
'pdfParser' => [
'class' => 'smalot\PdfParser\Parser',
],
],
这样即可在任意地方通过 Yii::$app->pdfParser 调用解析器实例。
基础用法：读取 PDF 文本内容
在控制器或服务类中，按如下方式提取文字：
- 先用
file_get_contents()或上传后临时路径加载 PDF 二进制流 - 调用
parseFile()或parseContent()获取文档对象 - 遍历页面，用
getText()提取纯文本
示例代码：
$parser = Yii::$app->pdfParser;
$pdf = $parser->parseFile('/path/to/document.pdf');
$text = '';
foreach ($pdf->getPages() as $page) {
$text .= $page->getText() . "\n";
}
// $text 即为整份 PDF 的可读文本内容
注意事项与常见问题
- 扫描版 PDF 无法提取文字：pdfparser 只处理含文本图层的 PDF（即“可选中文字”的 PDF），对图片型 PDF 需先结合 OCR（如 Tesseract）识别，Yii 中需额外调用 shell 命令或封装 OCR SDK
-
中文乱码或缺失：部分 PDF 使用自定义字体映射，pdfparser 默认可能忽略。可尝试启用解码选项：
$parser->setOptions(['ignore_invalid_encoding' => true]) -
大文件内存溢出：解析超 50MB PDF 时建议设置 PHP 内存限制：
ini_set('memory_limit', '512M'); -
不支持表单/注释/加密 PDF：若 PDF 有密码保护，需先用其他工具解密；表单字段内容不会被
getText()返回
进阶：封装成 Yii 行为或服务类
为复用性考虑，可新建 common/services/PdfExtractor.php：
namespace common\services;
use smalot\PdfParser\Parser;
class PdfExtractor
{
public function extractText(string $filePath): string
{
$parser = new Parser();
$pdf = $parser->parseFile($filePath);
$text = '';
foreach ($pdf->getPages() as $page) {
$text .= trim($page->getText()) . "\n";
}
return trim($text);
}
}
然后在控制器中直接调用：
$extractor = new PdfExtractor(); $content = $extractor->extractText($uploadedFile->tempName);
更进一步，可配合 Yii 文件上传、事务、缓存等机制构建完整 PDF 内容处理流程。
