PHP原生无法解析RTF文件的段落结构，直接读取仅得原始标记文本；本文详解三种实用方案：首选轻量活跃的php-rtf类库，将\par、\b等控制字精准转化为带格式元数据（如加粗、字号、缩进）的段落数组；次选正则预处理+按\par切分，适用于仅需纯文本段落的轻量场景；三选转HTML中间格式（如通过LibreOffice或Pandoc），再用DOMDocument提取语义化标签，兼顾结构与渲染需求——同时提醒编码转换、嵌套对象干扰及用户上传文件的安全风险，助你稳定、安全、高效地还原RTF真实段落逻辑。

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、\b、\fs24）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 \Eymengunay\Rtf\RtfParser();
  $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\b 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\b/', $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

、

、

等标签还原段落结构：
• 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 \ansicpg1252 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

今天关于《PHP保留RTF段落结构读取方法》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！

您即将跳转至第三方网站，请注意保护好个人信息和财产安全！
继续访问