PHP提取RTF纯文本可行但需借助正则、第三方库（如kornrunner/rtf）或系统工具（如unrtf）；关键在剥离控制字、处理编码及嵌套结构，推荐类库方案兼顾UTF-8与稳定性。
可以，PHP 读取 RTF 文件并提取纯文本是可行的，但原生 PHP 不直接支持 RTF 解析，需借助正则解析、第三方库或系统工具辅助。关键在于剥离 RTF 控制字（如 \b、\fs24）、转义符和格式块，保留可见字符内容。
方法一：用正则 + 字符串处理（轻量、适合简单 RTF）
适用于结构清晰、无嵌套表格/图片/Unicode 混排的 RTF（如 WordPad 生成的基础文档）。核心思路是跳过反斜杠开头的控制指令，过滤花括号、控制字、十六进制转义，提取普通 ASCII/UTF-8 文本。
- 读取文件内容：
$rtf = file_get_contents('doc.rtf'); - 移除 RTF 头部声明（如
{\rtf1\ansi\ansicpg936...）：$rtf = preg_replace('/^\{\\\\rtf[^\}]*\}/', '', $rtf); - 清除所有控制字及参数（如
\b0、\par、\cf1）：$rtf = preg_replace('/\\\\[a-zA-Z]+[0-9]*([ \t\n\r\f]|$)/', ' ', $rtf); - 清除花括号与多余空格：
$rtf = str_replace(['{', '}'], '', $rtf); $rtf = preg_replace('/\s+/', ' ', $rtf); - 处理十六进制转义（如
'\x20'或'\' followed by hex digits）可选增强：$rtf = preg_replace('/\\\\'[0-9A-Fa-f]{2}/', '', $rtf);（注意：实际 RTF 中常用\'hh形式） - 最终 trim 并输出：
echo trim($rtf);
方法二：使用 rtf-to-text 类库（推荐，稳定支持 UTF-8）
更可靠的方式是引入成熟解析器，例如开源的 php-rtf 或封装良好的 rtf-html-php（可先转 HTML 再用 DOMDocument 提取文本）。
- 通过 Composer 安装：
composer require kornrunner/rtf（轻量解析器） - 代码示例：
$rtf = new \Kornrunner\Rtf($content);
$text = $rtf->getText(); // 自动处理编码、转义、段落 - 若含中文等 UTF-8 内容，确认 RTF 声明为
\ansicpg936（GBK）或\uc1+ Unicode 标记，类库会尝试自动检测；否则需手动指定编码转换：mb_convert_encoding($text, 'UTF-8', 'GBK')
方法三：调用系统命令（Linux/macOS 下兼容性高）
利用现成工具如 unrtf（需提前安装），它专为 RTF 转换设计，支持表格、字体、多语言，输出为纯文本或 HTML。
立即学习“PHP免费学习笔记（深入）”；
- 安装：
sudo apt install unrtf（Ubuntu/Debian）或brew install unrtf（macOS） - PHP 中执行：
$text = shell_exec("unrtf --text " . escapeshellarg('doc.rtf') . " 2>/dev/null"); - 清理输出（
unrtf可能带页眉页脚）：$text = preg_replace('/^.*?--- Page \d+ ---.*$/m', '', $text); - 优点：无需 PHP 解析逻辑，准确率高；缺点：依赖外部环境，Windows 需额外配置（如 WSL 或 Cygwin）
注意事项与避坑点
RTF 是格式复杂的老标准，实操中常见问题：
-
编码混乱：RTF 中文常以
\'c4\'e3（GBK 十六进制）形式存储，正则无法直接还原，必须用pack('H*', $hex)转换再转码 -
嵌套花括号：RTF 使用
{}表示组，简单str_replace会破坏结构，建议用栈方式解析或交由专业库处理 -
图片/OLE 对象残留：含图 RTF 的
\pict块可能混入乱码，提取前应先用正则剔除：preg_replace('/\\\\pict[^\}]*\}/', '', $rtf) -
换行与段落：RTF 中
\par、\line应转为\n，否则文本连成一片
