PHP读取RTF乱码的根本原因是RTF为含控制指令的富文本格式，编码不统一且PHP默认UTF-8解析失败；需先解析结构提取纯文本，再依头部ansicpg参数转码，推荐使用nuovo/rtf库。
PHP读取RTF文件出现乱码，根本原因在于RTF本身不是纯文本格式，而是带控制指令的富文本格式，且其内部编码（如ANSI、UTF-8、UTF-16或系统本地编码）不统一，PHP默认用UTF-8解析会导致字符错乱。直接用file_get_contents()或fopen()读取原始RTF内容，只会得到含大量反斜杠指令（如{\rtf1\ansi\ansicpg936...}）的二进制流，而非可读文字。
识别并剥离RTF控制指令
RTF文件以{\rtf1开头，内部包含字体、颜色、段落等控制字，真正文字夹杂其中。必须先解析结构，提取纯文本内容，不能简单转码。
- 使用成熟RTF解析库，如nuovo/rtf（轻量、专注纯文本提取），它能自动识别编码并过滤指令
- 避免手动正则匹配——RTF嵌套结构复杂（如
{\colortbl;\red0\green0\blue0;}），正则易漏或误删正文 - 若需最小依赖，可用
strip_tags()思路变体：先用preg_replace()移除{、}及反斜杠指令块，但仅适用于极简RTF（无嵌套、无Unicode）
正确处理RTF内嵌编码声明
RTF头部常声明编码，如\ansicpg936（GBK）、\ansicpg1252（Windows-1252）、\uc1\ud0\utf8（UTF-8）。需据此转换为PHP可处理的UTF-8。
- 读取文件前先用
mb_detect_encoding()试探不可靠，因RTF指令会干扰检测；应优先解析头部\ansicpgXXX参数 - 常见代码页映射：
936→GBK、950→BIG5、1251→Windows-1251、65001→UTF-8 - 转换示例：
$text = mb_convert_encoding($raw_text, 'UTF-8', 'GBK');，注意mb_convert_encoding需启用mbstring扩展
绕过解析：调用系统命令转出纯文本
对Linux/macOS服务器，可借助unrtf（需安装）将RTF转为UTF-8文本，规避PHP解析风险。
立即学习“PHP免费学习笔记（深入）”；
- 安装：
sudo apt-get install unrtf（Ubuntu/Debian）或brew install unrtf（macOS） - PHP调用：
$plain = shell_exec("unrtf --text '$rtf_path' 2>/dev/null"); - 优点：准确率高，支持多编码；缺点：依赖外部命令，Windows需改用
textutil（macOS）或PowerShell（Windows）
终极建议：源头控制+格式降级
生产环境应尽量避免让PHP直接处理RTF。更稳妥的做法是：
- 用户上传时，后端用LibreOffice命令行（
soffice --headless --convert-to txt:Text）预转为TXT，再读取 - 前端限制上传格式，引导用户保存为DOCX或纯文本；RTF多用于WordPad旧文档，已逐步淘汰
- 若必须解析，优先选
nuovo/rtf库，它内置编码探测与指令解析，比手写逻辑稳定得多
不复杂但容易忽略：RTF乱码本质是“格式误解”而非“编码错误”，重点不在转码函数，而在先读懂RTF结构再提取文本。
