PHP直接读取RTF文件易乱码，因其含控制字、转义序列等非纯文本结构；应优先用rtf-html-php等库解析，或正则剥离控制指令提取纯文本，注意编码检测与BOM处理。
PHP 直接用 file_get_contents() 或 fopen() 读取 RTF 文件时，常因文件含控制字（如 {\rtf1\ansi\ansicpg936...}）、转义序列（\uXXXX）、十六进制字节（'\x81\x40'）或非 UTF-8 编码内容，导致乱码、截断甚至解析失败。核心问题不是“字符报错”，而是 RTF 是格式化文本协议，不是纯文本——它需要解码指令、还原真实内容。
理解 RTF 结构再读取
RTF 文件以 {\rtf1... 开头，内部混有控制字（\b、\i）、控制符号（{、}、\）和实际文本。PHP 原生不解析 RTF，直接读取会把格式指令当乱码处理。
- 不要用
json_decode()、utf8_encode()等盲目转码，可能破坏结构 - 优先目标：提取“可见文本”（即去掉所有
\xxx和花括号嵌套后的纯文字） - 若需保留格式（如加粗/颜色），必须用专用库解析，而非字符串处理
轻量方案：正则剥离 RTF 控制指令
适用于仅需提取纯文本、且 RTF 结构较简单（无嵌套复杂对象、无 Unicode 转义）的场景：
$rtf = file_get_contents('test.rtf');
// 移除 RTF 头部声明（可选）
$rtf = preg_replace('/^{\s*\\\\rtf[0-9]+.*?}/s', '', $rtf, 1);
// 移除所有控制字（\xxx 后跟空格或分隔符）、控制符号、十六进制对
$plain = preg_replace([
'/\\\\[a-z]+\d*/i', // \b0 \fs24 等
'/\\\\[{}\\\'"]/', // \{ \} \\ \" 等转义
'/\\\\u\d+;/', // \u8457; Unicode 占位符
'/\\\\\'[0-9a-fA-F]{2}/', // \'81 十六进制字节
'/[{}]/', // 剩余花括号
], '', $rtf);
// 清理多余空白
$plain = preg_replace('/\s+/', ' ', trim($plain));
⚠️ 注意：该方法不处理嵌套组（{\b text}）、图片对象、字体表等，仅适合基础文本提取。
立即学习“PHP免费学习笔记（深入）”；
可靠方案：用 rtf-html-php 或 php-rtf 转换
推荐使用成熟开源库，它们已处理编码检测、Unicode 解码、组嵌套、ANSI/UTF-16 转换等细节：
-
rtf-html-php（GitHub 活跃）：将 RTF 转为 HTML，再用
strip_tags()提纯文本
composer require "smalot/rtf-html-php" -
php-rtf（轻量解析器）：提供
RtfParser类，支持获取纯文本或结构化内容
composer require "php-rtf/php-rtf"
示例（rtf-html-php）：
use Smalot\Rtf\RtfDocument;
$rtf = file_get_contents('doc.rtf');
$document = RtfDocument::parse($rtf);
$text = $document->getText(); // 自动处理编码与转义，返回 UTF-8 字符串
编码与 BOM 处理要点
很多中文 RTF 默认用 GBK/GB2312（如 \ansicpg936），而 PHP 默认按 UTF-8 处理，易出错：
- 先用
mb_detect_encoding($rtf, ['UTF-8','GBK','BIG5'], true)探测原始编码 - 若检测为 GBK，用
mb_convert_encoding($rtf, 'UTF-8', 'GBK')转换后再解析 - 检查文件开头是否有 BOM（
EF BB BF），RTF 不应带 UTF-8 BOM，若有需去除
不复杂但容易忽略。
