PHP不原生支持RTF解析及中文编码处理，需识别ansicpg/uc字段确定编码，正则剥离控制字保留u转义，再还原Unicode并转UTF-8；推荐用unrtf工具或增强版php-rtf库。
PHP 本身不原生支持 RTF 文件解析，更不直接处理中文编码问题；RTF 是一种带格式标记的文本格式，其内部中文通常以 Unicode（uN）或 ANSI（如 GBK/GB2312）方式编码，而 PHP 的字符串函数默认按字节处理，容易导致中文乱码或截断。要正确读取含中文的 RTF 文件，关键在于识别编码、剥离 RTF 控制字、还原 Unicode 转义，并统一转为 UTF-8。
确认 RTF 文件的实际中文编码
RTF 文件头部常包含 nsicpgN 或 ucN 字段，用于声明字符集和 Unicode 偏移量：
- nsicpg936 表示 GBK 编码（常见于简体中文 Windows）
- nsicpg950 表示 BIG5（繁体中文）
- uc1 表示每个 Unicode 字符占 1 个 uN 转义（uXXXX 格式）
可用 file_get_contents 读取前几百字节，用正则提取：/{s*\ansicpg(d+)/i 判断编码类型，再决定后续解码方式。
剥离 RTF 标记并提取纯文本
不能直接用 strip_tags（RTF 不是 HTML），需手动过滤控制字与组。推荐轻量方案：
立即学习“PHP免费学习笔记（深入）”；
- 用正则 /\[a-z]+d*|\'[da-fA-F]{2}|{s*\[^}]*}|{|}/ 匹配并清除大部分控制结构
- 保留 uXXXX 形式的 Unicode 转义序列（它们是中文的关键载体）
- 对剩余文本做 trim 和空白压缩，得到“带 u 转义的准纯文本”
还原 uXXXX 并转为 UTF-8
RTF 中的 uXXXX 是有符号 16 进制 Unicode 码位（可能为负数，如 u-1234），需转换为 PHP 可识别的 UTF-8 字符：
- 用 preg_replace_callback('/\\u(-?d+)/', function($m) { return mb_convert_encoding(''.(int)$m[1].';', 'UTF-8', 'HTML-ENTITIES'); }, $text)
- 若原始为 GBK 编码（ansicpg936），先用 iconv('GBK', 'UTF-8', $raw_text) 转换非 Unicode 部分
- 最后用 mb_convert_encoding($result, 'UTF-8', 'UTF-8') 统一校验编码
推荐稳定实践：结合 rtf2txt 工具或专用库
纯 PHP 正则处理复杂 RTF 容易出错（尤其嵌套、特殊字体、图片等）。更可靠的方式：
