html转pdf问题根源在html侧：乱码因wkhtmltopdf未加载中文字体且meta charset识别弱；错位因html2pdf仅截图不解析css；pdf含html标签是反向解析失败，需先验证tagged pdf或ocr。
HTML 转 PDF 本身不会“影响”格式转换，但 HTML 的写法、编码、CSS 控制力，会直接决定 PDF 输出是否可用——乱码、错位、空白、样式丢失，几乎全是 HTML 侧的问题。
为什么 wkhtmltopdf 渲染出的 PDF 中文全是方块或问号
根本原因不是 PDF 不支持中文，而是 wkhtmltopdf 默认不加载中文字体，且对 <meta charset="UTF-8"> 的识别非常脆弱。
- 必须在 HTML 文件
中显式声明：<meta charset="UTF-8">，且该标签要出现在所有<style></style>和<link>之前 - 必须通过
--encoding utf-8参数强制指定编码（命令行调用时） - 必须用
--font-family或 CSS@font-face显式引入一个系统已安装的中文字体（如Noto Sans CJK SC、SimSun、Microsoft YaHei），仅靠font-family: "PingFang SC"这类 macOS 字体名在 Linux 服务器上必然失败 - 如果用 Docker 运行
wkhtmltopdf，基础镜像里大概率没装中文字体——得自己apt install fonts-wqy-zenhei或挂载字体文件
html2pdf（js 库）在浏览器里导出 PDF 为啥表格错位严重
因为 html2pdf 本质是把 DOM 快照转成 canvas 再生成 PDF，它不解析 CSS 布局逻辑，只做像素级截图。一旦页面用了 position: sticky、transform、flex-wrap 或媒体查询，就极易截断或错位。
- 避免使用
display: grid或复杂flex嵌套；改用语义化<table> + 固定宽高 + <code>table-layout: fixed - 移除所有
overflow: hidden或clip-path，它们会导致内容被裁掉 - 禁用
html2pdf的自动分页（pageBreak: { mode: ['avoid-all', 'css'] }），手动插入<div style="page-break-before: always"></div> - 导出前临时加一层 wrapper div 并设
zoom: 0.95，能缓解部分字体渲染偏移问题 - 先用
pdfinfo your.pdf查看输出里是否有Tagged PDF: yes，没有就基本无法高质量还原 - 如果是扫描件，必须先过 OCR（
pytesseract+pdf2image），不能跳步直解析 - 用
Marker时，别依赖默认配置；在config.yaml中关掉skip_diagrams: false，并打开ocr_all_pages: true - 输出 HTML 后，用
BeautifulSoup清洗：合并相邻<span></span>、删空<p></p>、标准化换行符
PDF 文件里嵌了 HTML 标签？那是解析反向出了问题
这不是“HTML PDF”的问题，而是你正在用 OCR 或 PDF 解析工具（比如 pdfplumber、Marker）把 PDF 反向转回 HTML。此时出现 <p><span>Hello</span></p> 套叠、<br> 滥用、段落被切成 3 行 span，说明原始 PDF 没有真正文本流结构——它是扫描件、图片、或用了非标准字体嵌入。
真正难的从来不是“怎么转”，而是判断哪一环在撒谎：是 HTML 没写对、字体没配好、工具参数漏了、还是 PDF 本身就没文本。每次失败，先查 pdfinfo、再开浏览器调试 HTML 渲染、最后才动命令行参数——顺序错了，排查成本翻倍。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
