PHP不原生支持RTF结构化解析，需用php-rtf类库将控制字转为含格式元数据的段落数组；或正则清理后按par切分纯文本；亦可转HTML再用DOM解析。
PHP 本身不原生支持 RTF 文件的结构化解析，直接读取（如 file_get_contents()）只会得到原始 RTF 标记文本，段落结构（如换行、缩进、标题层级、列表等）不会自动保留为可用的 DOM 或数组结构。要真正“保留段落结构”，必须借助解析器将 RTF 控制字（如 par、、 s24）转换为语义化数据。
用 rtf-parser 类库提取段落节点
推荐使用轻量、维护活跃的开源库 php-rtf（或其兼容分支）。它可将 RTF 按逻辑段落（par 分隔）、文本属性、嵌套格式逐层解析为 PHP 数组。
- 安装：
composer require eymengunay/php-rtf - 基础解析示例：
$parser = new EymengunayRtfRtfParser(); $document = $parser->parse(file_get_contents('doc.rtf')); // $document['content'] 是段落数组，每项含 'text', 'bold', 'fontSize', 'indentLeft' 等键 - 每个段落节点自带格式元数据（是否加粗、字号、左缩进、是否为列表项），结构清晰可遍历
手动识别 par 实现简易段落切分
若仅需按段落分割、不关心格式，可跳过完整解析，用正则+状态机粗略提取纯文本段落：
- RTF 中段落以
par结尾（可能带空格或换行），但需避开花括号内或注释中的par - 建议先去除注释（
{*.*?}）和控制符号（\[a-zA-Z]+[0-9]*），再按\par切分 - 代码片段：
$raw = file_get_contents('doc.rtf'); $clean = preg_replace('/{\\*[^}]*}/s', '', $raw); // 去除 {* ... } $clean = preg_replace('/\\[a-zA-Z]+d*/', '', $clean); // 去除控制字 $paragraphs = preg_split('/\\par/', $clean, -1, PREG_SPLIT_NO_EMPTY); $paragraphs = array_map('trim', $paragraphs); // 每项即一个段落纯文本
转 HTML 中间格式再解析（适合已有前端渲染需求）
借助外部工具（如 LibreOffice CLI 或 Pandoc）将 RTF 转为 HTML，再用 DOMDocument 解析 HTML 的 <p>、<h1>、<ul> 等标签还原段落结构：
立即学习“PHP免费学习笔记（深入）”；
- 命令行转换（需服务器支持）：
libreoffice --headless --convert-to html doc.rtf - PHP 加载生成的 HTML：
$dom = new DOMDocument(); $dom->loadHTMLFile('doc.html'); - 提取段落：
$ps = $dom->getElementsByTagName('p'); $hs = $dom->getElementsByTagName('h1');—— 格式语义明确，结构天然保留
注意事项与常见坑
RTF 是复杂格式，解析时需注意：
-
编码问题：RTF 可能含
nsicpg1252等代码页声明，PHP 读取后需用mb_convert_encoding()转 UTF-8 - 嵌套对象（如表格、图片）会打断段落流，纯文本切分会丢失上下文
- 不同 Word 版本导出的 RTF 差异大，建议优先测试目标文件，避免依赖未文档化的控制字
- 安全提示：勿直接
eval()或exec()处理用户上传的 RTF，防止命令注入
