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、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 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 \parb 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('/\\parb/', $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

Clippah

AI驱动的创意视频处理平台

下载

、

、

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 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