如何使用PHP检测PDF文件或单页是否完全空白？

一、含文本的PDF检测（基于Smalot PDFparser） #

• 通过Smalot PDFparser提取目标页面文本
• 去除所有空白字符后判断是否为空
• 示例代码：

use Smalot\PdfParser\Parser;

$pdfParser = new Parser();
$pdf = $pdfParser->parseFile('target.pdf');
$pages = $pdf->getPages();

$targetPage = $pages[0]; // 检测第一页，索引从0开始
$cleanText = trim(preg_replace('/\s+/', '', $targetPage->getText()));

if (empty($cleanText)) {
    echo "该页面无文本内容";
} else {
    echo "该页面包含文本";
}

二、纯图片型PDF的检测（基于Imagick像素分析） #

对于仅含图片的PDF，需先将页面转成图片，再通过像素亮度判断是否空白：

实现步骤 #

1. 用Imagick加载指定页码的PDF页面
2. 转换为灰度图简化像素分析
3. 统计像素亮度，判断是否全部接近纯白

示例代码 #

// 需确保服务器安装Imagick扩展及Ghostscript依赖
$imagick = new Imagick();
$imagick->setResolution(300, 300); // 分辨率越高检测精度越高
$imagick->readImage('target.pdf[0]'); // [0]对应第一页，索引从0开始

// 转为灰度图
$imagick->transformImageColorspace(Imagick::COLORSPACE_GRAY);

$isBlank = true;
$threshold = 250; // 接近纯白的像素阈值，可根据噪点情况调整

// 遍历所有像素
$pixelIterator = $imagick->getPixelIterator();
foreach ($pixelIterator as $row) {
    foreach ($row as $pixel) {
        $grayValue = $pixel->getColor()['r']; // 灰度图RGB值一致
        if ($grayValue < $threshold) {
            $isBlank = false;
            break 2; // 跳出双层循环
        }
    }
}

$imagick->clear();
$imagick->destroy();

echo $isBlank ? "该页面是空白页" : "该页面包含图片内容";

无Imagick时的替代方案（调用Ghostscript命令行） #

若无法安装Imagick，可直接用Ghostscript生成单页图片再分析：

$pdfPath = 'target.pdf';
$pageNum = 1; // 页码从1开始
$tempImg = 'temp_page.png';

// 调用Ghostscript生成单页图片
$command = "gs -dQUIET -dBATCH -dNOPAUSE -sDEVICE=png16m -dFirstPage={$pageNum} -dLastPage={$pageNum} -r300 -sOutputFile={$tempImg} {$pdfPath}";
exec($command, $output, $returnCode);

if ($returnCode !== 0) {
    echo "图片生成失败";
    exit;
}

// 复用上面的像素分析逻辑
$imagick = new Imagick($tempImg);
// ... 灰度转换、像素判断代码 ...

// 清理临时文件
unlink($tempImg);

注意事项 #

• 阈值$threshold可根据实际情况调整，避免误判带轻微噪点的空白页
• 分辨率设置需平衡检测精度和处理速度
• 确保服务器已安装Ghostscript，且PHP有exec命令执行权限（命令行方案）

内容的提问来源于stack exchange，提问作者azbatuk