掌握 PHP PDF 技术：高效读写与操作 PDF 文件的完整攻略94

在现代企业应用中，PDF（Portable Document Format）文件因其跨平台兼容性、固定布局特性以及良好的打印适应性，已成为文档交换、报告生成、发票打印和数据归档等场景不可或缺的标准。作为一名专业的PHP程序员，掌握如何在PHP环境中高效地读写和操作PDF文件，无疑是提升项目质量和开发效率的关键技能。本文将深入探讨PHP处理PDF的各种方法和最佳实践，从文件的生成、内容的读取到高级的修改与操作，为您提供一份全面而详尽的攻略。

一、PHP 生成 PDF 文件：从零开始创建你的文档

生成PDF是PHP处理PDF最常见的需求，例如动态生成报表、发票、合同或证书等。PHP本身并不内置PDF生成功能，但得益于强大的开源社区，我们有多种成熟的库可供选择，它们各自拥有不同的特点和适用场景。

1. 基于绘图指令的库：FPDF 与 TCPDF

FPDF (Free PDF) 和 TCPDF 是最老牌、最稳定的纯PHP PDF生成库。它们不依赖任何外部扩展，可以直接在PHP环境中运行。它们的工作原理类似于绘图，通过一系列函数调用（如AddPage(), SetFont(), Text(), Cell(), Image()）来精确控制PDF页面上的每一个元素。

FPDF：轻量级、性能好，学习曲线平缓，适合生成结构规整、布局简单的文档。
require('fpdf/');
$pdf = new FPDF();
$pdf->AddPage();
$pdf->SetFont('Arial', 'B', 16);
$pdf->Cell(40, 10, 'Hello World!');
$pdf->Output('', 'F'); // 'F'表示保存到文件

TCPDF：在FPDF基础上增强了许多功能，例如支持UTF-8、HTML、CSS、SVG、条形码、二维码等，功能更为强大，但相对而言也更复杂、资源消耗略大。它对于中文支持尤其友好，是生成包含多语言内容的PDF的首选。
require_once('tcpdf/');
$pdf = new TCPDF(PDF_PAGE_ORIENTATION, PDF_UNIT, PDF_PAGE_FORMAT, true, 'UTF-8', false);
$pdf->SetFont('cid0cs', '', 12); // 设置中文字体
$pdf->AddPage();
$pdf->writeHTML('

这是一个包含HTML内容的段落。

', true, false, true, false, '');
$pdf->Output('', 'F');

优缺点：

优点：纯PHP实现，不依赖外部程序；对PDF结构有精细控制；性能稳定。
缺点：对于复杂布局（如响应式表格、浮动元素）需手动计算，开发效率较低；原生HTML/CSS支持有限或需额外转换。

2. HTML/CSS 转换为 PDF 的库：Dompdf 与 mPDF

对于前端开发者或习惯于用HTML/CSS构建页面布局的程序员来说，直接将HTML内容转换为PDF是更自然、高效的方式。Dompdf和mPDF就是这样的利器。

Dompdf：是一个纯PHP的HTML/CSS渲染引擎，可以将HTML/CSS转换为PDF。它非常适合将网站页面内容或通过模板引擎生成的HTML直接输出为PDF。
require_once 'dompdf/';
use Dompdf\Dompdf;
use Dompdf\Options;
$options = new Options();
$options->set('isHtml5ParserEnabled', true);
$options->set('isRemoteEnabled', true); // 允许加载远程资源
$dompdf = new Dompdf($options);
$html = '

这是一个用Dompdf生成的PDF文件。

';
$dompdf->loadHtml($html);
$dompdf->setPaper('A4', 'portrait');
$dompdf->render();
$dompdf->stream("", array("Attachment" => false)); // 直接在浏览器中预览

mPDF：也是一个HTML/CSS转PDF的纯PHP库，功能比Dompdf更强大，特别是对中文、复杂CSS布局（如浮动、列）、页眉页脚、目录、水印等支持更完善。但相应的，其体积和资源消耗也更大。
require_once __DIR__ . '/vendor/';
$mpdf = new \Mpdf\Mpdf(['utf8' => true, 'mode' => 'utf-8']);
$mpdf->WriteHTML('

这是一个支持复杂CSS和中文的段落。

');
$mpdf->Output('', 'D'); // 'D'表示下载

优缺点：

优点：开发效率高，利用已有的HTML/CSS知识；适合生成复杂、动态布局的文档。
缺点：资源消耗较大，渲染性能可能不如绘图指令库；CSS支持不如浏览器完整，可能存在渲染差异；纯PHP实现，有时性能瓶颈。

3. 调用外部程序：wkhtmltopdf

对于追求极致渲染效果和与浏览器高度一致的PDF输出，wkhtmltopdf是一个非常优秀的选择。它是一个基于WebKit（Chrome/Safari核心）的命令行工具，能够将HTML页面高质量地转换为PDF。PHP可以通过shell_exec()或proc_open()函数调用它。

wkhtmltopdf：渲染效果最佳，几乎与浏览器看到的一致，支持所有HTML5/CSS3特性，且性能优异。
$htmlContent = '

这是通过wkhtmltopdf生成的，渲染效果极佳。

';
$filePath = '/tmp/'; // 保存HTML到临时文件
file_put_contents($filePath, $htmlContent);
$outputPdf = '';
// 假设 wkhtmltopdf 已安装在系统PATH中，或者指定完整路径
$command = "wkhtmltopdf {$filePath} {$outputPdf}";
exec($command, $output, $returnVar);
if ($returnVar === 0) {
echo "PDF生成成功：{$outputPdf}";
} else {
echo "PDF生成失败：";
print_r($output);
}
unlink($filePath); // 删除临时HTML文件

优缺点：

优点：渲染质量高，与浏览器高度一致；性能卓越；支持完整的前端技术栈。
缺点：需要服务器安装外部程序；依赖shell_exec()或proc_open()，存在潜在安全风险（需严格校验输入）；跨平台部署可能稍微复杂。

4. 高级内容生成：条形码、二维码与图表

在PDF中嵌入条形码或二维码是常见的需求。通常的做法是，先使用独立的PHP库（如bacon/badgen或endroid/qr-code）生成图片，然后将生成的图片嵌入到PDF中。

图表生成则需要将图表库（如pchart/pchart或利用在前端渲染后截图）生成的图片嵌入到PDF。或者，对于Dompdf/mPDF，一些简单的CSS图表可以直接渲染。

二、PHP 读取 PDF 文件内容：解析现有文档

与生成PDF相比，读取PDF内容通常更为复杂，因为PDF文件格式是二进制的，包含了字体、图像、布局指令等复杂信息。PHP没有直接读取PDF内容的内置函数，但有第三方库可以辅助。

1. 提取文本内容：smalot/pdfparser 与 pdftotext

smalot/pdfparser：一个纯PHP的PDF解析库，能够解析PDF结构，提取文本、元数据、文件信息等。对于纯文本内容的提取非常有用，而且不依赖外部程序。
require_once __DIR__ . '/vendor/';
use Smalot\PdfParser\Parser;
$parser = new Parser();
$pdf = $parser->parseFile('');
$text = $pdf->getText();
echo "文档文本内容:" . $text . "";
$details = $pdf->getDetails();
foreach ($details as $key => $value) {
if (is_array($value)) {
echo $key . ': ' . implode(', ', $value) . "";
} else {
echo $key . ': ' . $value . "";
}
}

pdftotext (命令行工具)：这是一个Poppler工具套件中的命令行工具，可以将PDF转换为纯文本。它通常被认为是提取文本最准确和高效的方法。PHP通过shell_exec()调用。
$pdfPath = '';
$textPath = '/tmp/';
// 假设 pdftotext 已安装在系统PATH中
$command = "pdftotext -layout {$pdfPath} {$textPath}"; // -layout 尝试保留原始布局
exec($command, $output, $returnVar);
if ($returnVar === 0) {
$text = file_get_contents($textPath);
echo "PDF文本内容:" . $text . "";
unlink($textPath);
} else {
echo "文本提取失败：";
print_r($output);
}

优缺点：

smalot/pdfparser：纯PHP，部署方便；能提取元数据；对于某些复杂PDF可能解析不完全。
pdftotext：提取文本准确度高，速度快；依赖外部程序，有安全风险。

2. 提取图像内容：Imagick

PHP的Imagick扩展（需要ImageMagick和Ghostscript的支持）可以用来处理PDF文件，包括将PDF页面转换为图片，从而间接提取图像。但直接解析PDF内部的图像对象并提取，通常不推荐用PHP直接实现，因为这涉及到复杂的PDF内部格式解析。
// 需要安装 PHP 的 Imagick 扩展
// 以及 ImageMagick 和 Ghostscript 命令行工具
$pdfPath = '';
$imagick = new Imagick();
$imagick->readImage($pdfPath);
$numPages = $imagick->getNumberImages();
for ($i = 0; $i < $numPages; $i++) {
$imagick->setIteratorIndex($i);
$imagick->setImageFormat('jpeg');
$imagick->writeImage("page_{$i}.jpg");
echo "页面 {$i} 已转换为 page_{$i}.jpg";
}
$imagick->clear();
$imagick->destroy();

三、PHP 操作 PDF 文件：合并、分割与水印

除了生成和读取，对现有PDF文件进行修改和操作也是常见的需求，例如合并多个PDF、分割大型PDF、添加水印或加密等。这类操作通常依赖于功能强大的命令行工具，或者专门的PHP库。

1. 合并与分割 PDF：PDFtk 与 Ghostscript

PDFtk (PDF Toolkit)：一个功能强大的命令行工具，可以执行PDF的合并、分割、旋转、加密、解密、添加水印等多种操作。它是处理PDF的瑞士军刀。

合并：
$pdf1 = '';
$pdf2 = '';
$mergedPdf = '';
// 假设 pdftk 已安装
$command = "pdftk {$pdf1} {$pdf2} cat output {$mergedPdf}";
exec($command, $output, $returnVar);
if ($returnVar === 0) {
echo "PDF文件合并成功: {$mergedPdf}";
} else {
echo "PDF文件合并失败: "; print_r($output);
}

分割：
$inputPdf = '';
$outputPattern = 'page_%'; // 输出文件模式，如
$command = "pdftk {$inputPdf} burst output {$outputPattern}";
exec($command, $output, $returnVar);
if ($returnVar === 0) {
echo "PDF文件分割成功。";
} else {
echo "PDF文件分割失败: "; print_r($output);
}

Ghostscript：同样是强大的命令行工具，主要用于PostScript和PDF文件的解释、渲染和转换。可以用来合并、分割、压缩PDF。

合并 (示例)：
$pdf1 = '';
$pdf2 = '';
$mergedPdf = '';
// 假设 gs 已安装
$command = "gs -dNOPAUSE -sDEVICE=pdfwrite -sOUTPUTFILE={$mergedPdf} -dBATCH {$pdf1} {$pdf2}";
exec($command, $output, $returnVar);
if ($returnVar === 0) {
echo "PDF文件(Ghostscript)合并成功: {$mergedPdf}";
} else {
echo "PDF文件(Ghostscript)合并失败: "; print_r($output);
}

PHP库进行合并：
如果不想依赖命令行工具，setasign/fpdi 库可以基于FPDF/TCPDF实现合并功能，它允许你导入现有的PDF页面并将其作为模板添加到新的PDF中。
// 假设已安装 setasign/fpdi
require_once('fpdf/');
require_once('fpdi/src/');
use setasign\Fpdi\Fpdi;
$pdf = new Fpdi();
$pageCount1 = $pdf->setSourceFile('');
for ($i = 1; $i importPage($i);
$pdf->AddPage();
$pdf->useTemplate($tplId);
}
$pageCount2 = $pdf->setSourceFile('');
for ($i = 1; $i importPage($i);
$pdf->AddPage();
$pdf->useTemplate($tplId);
}
$pdf->Output('', 'F');

2. 添加水印：利用生成库或命令行工具

使用PDF生成库：在创建PDF时，直接在每一页上添加半透明文本或图片作为水印。

使用命令行工具：PDFtk 可以通过 background 或 stamp 命令添加背景水印。
$inputPdf = '';
$watermarkPdf = ''; // 仅包含水印的PDF文件
$outputPdf = '';
$command = "pdftk {$inputPdf} background {$watermarkPdf} output {$outputPdf}";
exec($command, $output, $returnVar);
// ... 检查 $returnVar ...

3. 加密与密码保护：

在生成PDF时（如TCPDF），可以直接设置打开密码和权限密码。对于现有PDF，PDFtk也可以实现加密和权限设置。
$inputPdf = '';
$outputPdf = '';
$ownerPass = 'owner_password';
$userPass = 'user_password';
$command = "pdftk {$inputPdf} output {$outputPdf} owner_pw {$ownerPass} user_pw {$userPass}";
exec($command, $output, $returnVar);
// ... 检查 $returnVar ...

四、性能、安全与最佳实践

在PHP中处理PDF文件，尤其是在生产环境中，需要关注性能、安全和可维护性。

1. 资源消耗：

内存：HTML转PDF库（如Dompdf、mPDF）在处理大型或复杂HTML时可能会消耗大量内存。尽量优化HTML结构，避免不必要的嵌套和大型图片。
CPU：PDF渲染是一个CPU密集型任务。如果并发量大，可能需要考虑将PDF生成任务异步化（例如使用消息队列）。

2. shell_exec() 的风险：

当使用shell_exec()或proc_open()调用外部命令行工具时，务必注意安全。避免直接拼接用户输入到命令字符串中，要对所有外部输入进行严格的过滤和验证，防止命令注入攻击。最好使用escapeshellarg()和escapeshellcmd()函数。

3. 字体和编码：

特别是处理中文时，确保选择的PDF库支持UTF-8编码，并嵌入相应的字体文件。否则，中文字符可能会显示为乱码或方块。TCPDF和mPDF在这方面做得很好。

4. 错误处理：

任何文件操作都可能失败。在处理PDF时，务必加入健壮的错误处理机制，捕获异常，并记录日志，以便及时发现和解决问题。

5. 缓存机制：

对于生成频率高但内容变化不大的PDF文件，可以考虑引入缓存机制。生成一次后保存到文件系统或对象存储，下次请求时直接返回缓存文件，减少重复生成带来的性能开销。

6. 异步处理：

对于耗时长的PDF生成任务（例如生成包含大量数据的复杂报表），建议将其作为后台任务异步处理。用户发起请求后，系统将任务放入队列，然后立即返回一个“正在生成”的提示，待任务完成后通过邮件或通知告知用户下载。

7. 第三方API服务：

如果服务器环境受限，或者不想维护复杂的PDF处理栈，可以考虑使用第三方PDF API服务（如DocRaptor、CloudConvert、API2PDF等）。它们通常提供更强大的功能，并且将PDF处理的复杂性抽象化，您只需通过HTTP请求即可完成任务。

五、总结

PHP处理PDF文件是一个多维度的挑战，没有一个“银弹”式的解决方案。选择最适合特定需求的库或工具是关键。对于简单的文本/表格生成，FPDF/TCPDF可能是最佳选择。对于需要通过HTML/CSS快速构建复杂布局的场景，Dompdf或mPDF能极大提高开发效率。而对于追求极致渲染效果和性能，且允许安装外部程序的项目，wkhtmltopdf则是无与伦比的选择。在文件读取和操作方面，smalot/pdfparser提供了纯PHP的解析能力，而PDFtk、Ghostscript和Imagick等命令行工具则以其强大的功能成为不可或缺的补充。

作为专业的PHP程序员，理解这些工具的优缺点，并结合性能、安全和可维护性的考量，您将能够为您的项目选择最合适的PDF处理方案，从而构建出强大、高效且用户体验出色的应用程序。

2025-10-13

上一篇：PHP 字符串分割的艺术：将字符串高效转换为数组的全面指南

下一篇：PHP文件操作深度解析：获取SplFileInfo、SplFileObject及上传文件对象