PHP无法直接解析RTF超链接，需通过解析{\field{\*\fldinst{HYPERLINK "url"}}{\fldrslt{文字}}}结构提取，推荐用php-rtf等轻量解析器或转HTML后用DOMDocument提取。
PHP 本身不直接解析 RTF 文件中的超链接，因为 RTF 是一种带格式标记的文本格式（类似简易版 Word），其超链接以 {\field{\*\fldinst{HYPERLINK "url"}}{\fldrslt{显示文字}}} 这类嵌套控制字形式存在。要准确提取，关键不是“读取文件”，而是“正确解析 RTF 控制字结构并识别超链接字段”。
理解 RTF 超链接的实际存储结构
RTF 中的超链接不是明文 URL，而是通过 \field、\fldinst、\fldrslt 等控制字组合实现的。典型片段如下：
{\field{\*\fldinst{HYPERLINK "https://example.com"}}{\fldrslt{点击访问}}}
注意几个要点：
-
必须处理嵌套和转义：RTF 支持花括号嵌套，且内部引号、反斜杠需按规则转义（如
\"表示双引号） - 不能简单正则匹配：因字段可能跨行、含空格、被分组或嵌套在其他控制字中（如 \par、\b 等），纯正则易漏或误匹配
-
编码需留意：RTF 常含
\ansi、\utf8或\uc1声明，URL 一般为 ASCII，但显示文字可能为 Unicode（需解码）
推荐方案：用轻量级 RTF 解析器提取字段
避免从零写解析器。可借助成熟小工具，例如 php-rtf（专注解析结构，不渲染）或自行精简逻辑。核心思路是：
- 逐字符扫描，跟踪花括号层级（
{入栈，}出栈） - 当进入
\field块且检测到\fldinst HYPERLINK时，提取其后第一个双引号包裹的字符串 - 跳过注释（
\*）、忽略无关控制字（如\b、\i），只关注字段结构
示例精简提取逻辑（非完整库，仅示意关键路径）：
$rtf = file_get_contents('doc.rtf');
$pos = 0;
while (($pos = strpos($rtf, '\field', $pos)) !== false) {
$end = find_matching_brace($rtf, $pos); // 自定义函数找对应 }
$field_snippet = substr($rtf, $pos, $end - $pos + 1);
if (preg_match('/\\\\fldinst\\\\?HYPERLINK\s+"([^"]+)"/i', $field_snippet, $m)) {
echo "Found link: " . $m[1] . "\n";
}
$pos = $end + 1;
}
绕过解析：转换为纯文本再提取（适用简单场景）
若 RTF 结构较规整、无复杂嵌套，可先用系统命令粗略转出文本（牺牲格式保链接）：
- Linux/macOS：用
textutil -convert txt doc.rtf（macOS）或unrtf --text doc.rtf（需安装 unrtf） - PHP 调用：
$txt = shell_exec("unrtf --text doc.rtf 2>/dev/null"); - 再用正则提取 URL：
preg_match_all('#https?://[^\s\)]+#i', $txt, $urls);
⚠️ 注意：此法会丢失“显示文字 → 链接”的对应关系，且对含中文路径或特殊字符的 URL 可能截断。
生产环境建议：统一预处理为 HTML 或 Markdown
真正稳健的做法，是在文档入库前，由专用服务（如 Python 的 python-docx + rtf2html 工具链）将 RTF 转为 HTML，再用 PHP 的 DOMDocument 提取 标签。这样既保留语义，又规避 RTF 解析陷阱：
$dom = new DOMDocument();
@$dom->loadHTMLFile('converted.html'); // 已含
$links = $dom->getElementsByTagName('a');
foreach ($links as $a) {
echo $a->getAttribute('href') . ' → ' . $a->textContent . "\n";
}
