PHP不原生支持RTF列表解析，需通过控制字（如liN、ilvlN、pnl）识别层级与类型；可轻量正则+状态机解析，或使用rtf-parser库精准提取列表信息。
PHP 本身不原生支持 RTF 文件的语义解析，尤其是项目符号（bullets）、编号列表（numbered lists）这类格式标记。RTF 是一种带控制字（如 ullet、li、ilvl、pnl）的富文本格式，需手动解析其结构才能还原列表逻辑。直接用 file_get_contents() 只能拿到原始 RTF 字符串，无法识别“这是第几级的圆点列表项”。
理解 RTF 列表的关键控制字
RTF 中列表项不是靠视觉符号判断，而是由一组嵌套控制字协同定义：
-
liN：表示该段落相对于左页边的缩进值（单位为 twips），常用于区分层级 -
ilvlN：显示此段落在多级列表中的层级（0 = 一级，1 = 二级…） -
pnl：标记该段落属于编号/项目符号列表（有时与lsN配合） -
ullet或u8226：实际渲染的项目符号字符（Unicode 点号），但仅出现在内容区，不能单靠它判定列表结构 -
pard/plain：段落结束或格式重置，是划分列表项的重要边界
轻量级解析思路：正则 + 状态机
不依赖外部库时，可用 PHP 正则提取段落块，再逐段分析控制字状态。核心步骤如下：
- 用
preg_split('/\\pard(?!\\)/', $rtf, -1, PREG_SPLIT_NO_EMPTY)拆分段落（注意排除\parde类干扰） - 对每段用
preg_match_all('/\\(li|ilvl|pnl|bullet|u[0-9]+)/', $para, $matches)提取关键指令 - 维护当前层级（
$current_level）、是否在列表中（$in_list）、上一项缩进（用于判断是否新列表） - 遇到
pnl且ilvlN存在 → 触发列表项识别；结合liN值变化判断嵌套或新列表 - 内容正文用
preg_replace('/\\[a-z]+d*|\\d+|\\ |\\ /', '', $text)清理控制字，保留可读文字
推荐方案：用 rtf-parser 库（Composer）
更稳定的方式是使用已封装好的解析器，例如开源的 php-rtf（轻量）或 虽非专为 RTF 设计但可改造。安装后典型用法：
立即学习“PHP免费学习笔记（深入）”；
use EymengunayRtfRtfDocument;
$doc = RtfDocument::loadFile('list.rtf');
foreach ($doc->getParagraphs() as $para) {
if ($para->hasListInfo()) {
echo "Level: {$para->getListLevel()}, Type: {$para->getListType()}
";
echo "Text: {$para->getText()}
";
}
}
该类库内部已处理 ls、ilvl、pnl 的映射关系，能准确返回列表类型（bullet/decimal/upperroman）和层级。
注意事项与避坑点
RTF 列表解析容易出错，需特别留意：
- 不同编辑器（Word / LibreOffice / WPS）生成的 RTF 结构差异大，有的省略
ilvl，靠li推断，有的用pnl+ls1组合 - 中文 RTF 常含
\uc1 \u8226?类 Unicode 转义，需用mb_convert_encoding()或iconv('UTF-16BE', 'UTF-8', ...)处理 - 不要试图用 DOM 或 HTML 解析器直接打开 RTF —— 它不是 XML/HTML，会解析失败或乱码
- 若只需提取纯文本列表内容（不要格式），可先转为临时 DOCX 再用
phpoffice/phpword读取（间接但兼容性好）
