PHP无法原生解析RTF页眉，需用栈式遍历识别{\header...}组块并跳过；推荐逐字符扫描维护括号深度，匹配\header\w*且栈深为1时标记进入，栈空时跳过整段，同时注意编码转换与扩展控制字兼容性。
PHP 本身不原生支持解析 RTF（Rich Text Format）文件的结构化内容，更不会自动识别页眉、页脚等区域。RTF 是一种带控制字（如 \header、\footer、\pard、\sectd）的标记文本格式，页眉内容通常被包裹在 {\header ... } 组块中。要“跳过页眉”，本质是：在解析 RTF 字符串时，识别并跳过这些特定组块。
理解 RTF 页眉的典型结构
标准 RTF 中页眉定义类似：
{\header {\pard\sl360\slld360\qr\f0\fs20 Page \chpgn\par}}
关键特征：
- 以
{\header开头，紧随一个左大括号{（RTF 组用花括号嵌套） - 页眉内容在
{\header ... }的闭合大括号内 - 整个页眉组可能嵌套在更大的
{\sect ... }或文档主体外层中 -
\header后可能紧跟\f1、\fs22等格式控制字，但不影响定位逻辑
用正则 + 栈方式安全剥离页眉（推荐）
简单用 preg_replace('/\{\\\\header.*?\}/s', '', $rtf) 风险高——RTF 允许嵌套花括号，非贪婪匹配会提前截断。正确做法是模拟“括号栈”遍历：
立即学习“PHP免费学习笔记（深入）”；
- 逐字符扫描，遇到
{入栈，}出栈 - 检测到
\header且当前处于顶层（栈深度为 1），标记进入页眉区 - 直到栈空（即匹配完最外层
}），才跳过整段
示例精简逻辑（可封装为函数）：
$in_header = false;
$depth = 0;
$clean = '';
for ($i = 0; $i < strlen($rtf); $i++) {
$c = $rtf[$i];
if ($c === '{') {
if ($depth === 0 && substr($rtf, $i+1, 7) === '\\header') {
$in_header = true;
}
$depth++;
} elseif ($c === '}') {
$depth--;
if ($in_header && $depth === 0) {
$in_header = false;
continue; // 跳过这个 }
}
}
if (!$in_header) {
$clean .= $c;
}
}
借助 rtf2html 类库间接规避（适合纯文本提取）
若最终目标只是获取正文纯文本（不含页眉/页脚/格式），可用成熟转换器预处理：
- 使用 php-rtf-html-converter 将 RTF 转 HTML，再用 DOMDocument 提取
内容（该库默认忽略\header块） - 或调用系统命令（需服务端支持）：
unrtf --text file.rtf 2>/dev/null，其输出通常已排除页眉
注意：这类方法不保证 100% 准确（尤其含复杂嵌套或私有控制字的 RTF），但比手写解析器更鲁棒。
注意事项与边界情况
实际处理中需警惕：
-
\header可能写作\headerw（Word 扩展）、\headery（Y 轴偏移），建议正则匹配\\\\header\w* - 页眉可能含图片（
{\pict ... }）或字段（{\field ... }），栈解析仍适用 - 部分 RTF 文件页眉定义在文档末尾（反常但合法），需全量扫描，不可假设位置
- UTF-8 RTF 需先用
mb_convert_encoding($rtf, 'UTF-8', 'Windows-1252')转码，否则中文乱码导致控制字匹配失败
