pdfparser

纯 PHP 从 PDF 里抽文本、Markdown 和图片，快且省内存

pdfparser 是一个用 PHP 从零实现的 PDF 解析库，目标是在不依赖外部二进制工具的前提下，读取 PDF 并抽取文本、Markdown 与图片。它解决的是 PHP 生态里 PDF 内容提取方案偏少、常见做法要调用 pdftotext 等命令行工具或依赖扩展的问题，让纯 PHP 项目也能直接处理 PDF。核心能力包括：解析 PDF 对象结构与内容流，输出纯文本或 Markdown 格式，提取内嵌图片，并强调速度快、内存占用低，适合在 Web 请求或队列任务中处理中等规模文档。项目以库的形式提供，可被 Laravel、Symfony 等框架集成，用于构建文档检索、内容入库、发票或报表信息抽取等流程。目前星标约 176，属于早期项目，API 与边界情况仍在演进，建议先在测试集上验证目标 PDF 的解析效果再上生产。