Yii 不内置 PDF 文本提取能力，需依赖第三方工具：推荐服务端用 pdftotext 命令（准确率高、支持密码），轻量场景可用 smalot/pdfparser（无系统依赖但不支持 OCR），禁用 mpdf 反向渲染；扫描件须走 tesseract 或云 OCR。
Yii 本身不内置 PDF 文本提取能力，它依赖第三方库（如 smalot/pdfparser、setasign/fpdi 配合 tcpdf 解析，或更现代的 spipu/html2pdf + pdf-to-text CLI 工具）。但纯 PHP 实现高质量 PDF 文本提取在 Yii 中并不推荐——PDF 是布局格式，不是文本容器，尤其含扫描件、加密、嵌入字体、横向表格时，纯代码解析极易漏字、乱序、崩格式。
实际项目中，应分场景选择合适方案：
直接调用系统命令提取（最稳，推荐用于服务端可信环境）
Linux/macOS 下安装 pdftotext（poppler-utils）后，PHP 可安全调用：
// 在 controller 或 service 中
$pdfPath = '@app/runtime/uploads/invoice.pdf';
$realPath = \Yii::getAlias($pdfPath);
if (!file_exists($realPath)) {
throw new \Exception('PDF 文件不存在');
}
// 执行 pdftotext 命令（-layout 保留原始换行和空格对齐）
$output = '';
$returnCode = 0;
exec('pdftotext -layout -enc UTF-8 ' . escapeshellarg($realPath) . ' - 2>/dev/null', $output, $returnCode);
if ($returnCode !== 0) {
throw new \Exception('PDF 文本提取失败，请检查 pdftotext 是否已安装');
}
$text = implode("\n", $output);
// $text 就是提取出的纯文本，可进一步 trim、split、正则匹配字段✅ 优势：准确率高、支持密码保护（加 -password xxx）、能处理多数印刷体 PDF
⚠️ 注意：需服务器启用 exec()，且禁用用户可控的 $pdfPath（防命令注入）
使用 PHP 库 smalot/pdfparser（纯 PHP，适合轻量需求）
安装：
composer require smalot/pdfparser
使用示例：
use Smalot\PdfParser\Parser;
$pdfParser = new Parser();
try {
$pdf = $pdfParser->parseFile(\Yii::getAlias('@app/runtime/uploads/sample.pdf'));
$text = $pdf->getText(); // 自动合并所有页文本
} catch (\Exception $e) {
\Yii::error('PDF 解析异常: ' . $e->getMessage());
$text = '';
}✅ 优势：无系统依赖、可集成进 Yii 生命周期
❌ 局限：对含图像 OCR 的 PDF 完全无效；复杂表格/多栏排版易丢失顺序；中文需确保 PDF 内嵌字体编码正确（否则返回空或乱码）
不要这样做：用 mpdf / dompdf 反向“渲染再取 text”
mpdf 是生成 PDF 的库，不是解析器。试图用 $mpdf->WriteHTML(...) 再读取输出流来“还原文本”，逻辑错误、不可靠，且性能极差。
进阶建议：结合 Elasticsearch 或专用 OCR 服务
- 若需搜索大量 PDF 内容 → 用 Elasticsearch +
ingest-attachment插件（见知识库中 ES 7.15 配置） - 若含扫描件/手写体 → 必须走 OCR，推荐调用本地
tesseractCLI：tesseract invoice.pdf stdout -l chi_sim+eng
或对接云 API（百度 OCR、腾讯云 TI-ONE）
基本上就这些。提取 PDF 纯文本不是 Yii 框架层问题，而是数据源预处理环节，选对工具比写多少 Yii 代码都关键。
