rtf文件是微软推出的富文本格式，内部除了文本内容外，还可以嵌入图片、表格等多种元素，图片在rtf中通常以十六进制编码的形式存储，没有直接的明文路径，需要通过解析rtf的特定控制字来提取相关信息。
rtf文件中图片的存储规则
rtf文件中的图片内容一般通过pict控制字标识，后续会跟随图片的格式信息，比如pngblip表示png格式图片，jpegblip表示jpeg格式图片，图片的二进制数据会以十六进制字符串的形式放在pict控制字之后，部分rtf文件如果图片是外部引用，会在pict前出现picwgoal等尺寸控制字，同时可能存在fFileName之类的控制字记录外部图片的路径信息。
php解析rtf获取图片路径的实现步骤
1. 读取rtf文件内容
首先使用php的文件读取函数把rtf文件的全部内容加载到内存中，方便后续做字符串解析。
<?php
// 读取rtf文件内容
$rtfPath = 'test.rtf';
$rtfContent = file_get_contents($rtfPath);
if ($rtfContent === false) {
die('读取rtf文件失败');
}
?>
2. 匹配图片相关的控制字块
通过正则表达式匹配rtf中pict开头到下一个顶级控制字或者文件结束的内容块，每个匹配到的块对应一个图片的相关信息。
<?php
// 匹配所有pict控制字对应的内容块
preg_match_all('/\\pict.*?(?=\\par|\\pard|\\sect|\\end)/s', $rtfContent, $pictMatches);
$pictBlocks = $pictMatches[0];
?>
3. 提取图片路径信息
在匹配到的图片块中，查找是否存在记录路径的控制字，比如fFileName，如果存在则提取其后的路径内容，如果是内嵌图片则没有路径信息，只能提取图片格式和二进制数据。
<?php
$imagePaths = [];
foreach ($pictBlocks as $block) {
// 检查是否存在外部图片路径标识
if (preg_match('/\\fFileNames+(.*?)[\\;]/', $block, $pathMatch)) {
$path = trim($pathMatch[1]);
// 去除路径两端的引号
$path = trim($path, '"'');
$imagePaths[] = $path;
} else {
// 内嵌图片，无外部路径
$imagePaths[] = '内嵌图片，无外部路径';
}
}
// 输出提取到的图片路径
print_r($imagePaths);
?>
注意事项
- 不同软件生成的rtf文件，控制字的写法可能存在差异，部分rtf可能使用其他控制字记录图片路径，需要根据实际文件调整匹配规则。
- 如果rtf中的图片是内嵌形式，不存在外部路径，上述方法会返回无路径的提示，此时如果需要保存图片，可以提取十六进制数据转成二进制后保存为对应格式的图片文件。
- 解析rtf时需要注意转义字符的处理，部分控制字后面的参数可能包含空格或者特殊字符，正则表达式需要做好兼容。
内嵌图片提取示例
如果需要把内嵌的图片提取出来保存，可以参考以下代码，提取pict块中的十六进制数据并转成图片文件。
<?php
foreach ($pictBlocks as $index => $block) {
// 判断图片格式
$format = 'unknown';
if (strpos($block, '\pngblip') !== false) {
$format = 'png';
} elseif (strpos($block, '\jpegblip') !== false) {
$format = 'jpg';
}
if ($format === 'unknown') {
continue;
}
// 提取十六进制图片数据
preg_match('/[0-9a-fA-F]{2,}/s', $block, $hexMatch);
if (empty($hexMatch)) {
continue;
}
$hexData = $hexMatch[0];
// 十六进制转二进制
$binData = hex2bin($hexData);
if ($binData === false) {
continue;
}
// 保存图片
$savePath = "image_{$index}.{$format}";
file_put_contents($savePath, $binData);
echo "保存图片成功：{$savePath}n";
}
?>