PDF 怎么生成？从网页或文本出版式稿并处理中文字体

把文档导成 PDF，为什么总不省心

生成 PDF 看似简单，落地时却常踩坑：把 Markdown 或 HTML 转成 PDF，表格错位、分页断在奇怪的地方；正式文档要页眉页脚、品牌样式，临时拼出来的工具往往支持不全；最常见的是中文 PDF 出现乱码或方块字——很多渲染引擎默认不嵌入 CJK 字体。同一份文档在不同系统上跑，结果还可能不一致，交付前总要反复检查。

这个技能能帮你产出什么

它把"内容"和"稳定输出 PDF"两件事接上。来源上，它能从 HTML、Markdown 或短文本生成带版式控制的 PDF；引擎上，它统一通过脚本执行，自动在 weasyprint、xhtml2pdf、reportlab、fpdf2 之间选择，并检测 CSS 支持程度、报告降级等级和风险；字体上，它专门处理中文、日文、韩文的字体检测、嵌入和乱码规避；模板上，它为报告、合同、证书、发票和简历提供版式指引。它还强调先写完整 HTML 文件、用 ASCII 文件名、嵌入 CSS 与 @page 设置，以此保证跨平台输出稳定。

怎么用它

用法是把内容和对成品的要求用自然语言交给它，不必指定用哪个引擎。例如可以这样对它说：

它适合这些场景：把结构化业务报告或 Markdown 文档转成可交付的 PDF；生成带品牌样式、表格、页眉页脚和分页控制的正式文档；中文 PDF 出现乱码或方块字、需要可靠选择 CJK 渲染引擎；在 Windows、macOS 或 Linux 上批量生成合同、证书或简历。它适合需要本地生成正式 PDF 的运营、财务、法务、教育、HR 和开发团队，尤其适合有中文排版和跨平台要求的工作流。

大家常问

HTML 转 PDF 时中文为什么会出现乱码或方块字，字体嵌入到底是在做什么

HTML 是流式渲染、能动态回落字体；PDF 是固定页面，每个字符都写死「用哪个字体、哪个字形编号、画在哪」。字体没嵌入或 ToUnicode CMap 映射错，PDF 阅读器找不到对应字形就退回 .notdef 方块，或映射到错字成乱码。字体嵌入就是把字形数据（多用子集化）打包进 PDF，让文件不再依赖阅读器本地字体。

可搜索 PDF 和扫描型 PDF 是什么意思，怎么区分双层 PDF 和单层 PDF

PDF 页面由文本对象和图像对象组合。扫描型 PDF 整页只有图像，字符被拍平成像素，无法选中或搜索；可搜索 PDF 含文本对象，能选词复制。双层 PDF 是图像在底层做视觉、OCR 文字层透明叠在顶层（Tr 3 不可见），看着像扫描件但可全文检索。选词时高亮贴合单字＝有文本层，整页框选不到字＝纯图像。

PDF/A 是什么格式，和普通 PDF 相比为什么更适合长期归档

PDF/A 是 ISO 19005 定义的 PDF 严格子集，把所有「依赖外部环境才能确定的渲染决策」全部砍掉：强制嵌入所有字体、禁止 JavaScript / 音视频 / 加密、禁止透明与图层、必须声明输出意图固化颜色、强制 XMP 元数据、压缩算法限定稳定的 FlateDecode。普通 PDF 几十年后字体丢失或解码器停更就会花屏，PDF/A 自包含、确定性渲染。

HTML 转 PDF 时表格、标题经常断在页底是什么原理，@page 和 page-break 解决的是什么问题

HTML 是无限流，PDF 是定长分页，引擎用贪婪填充把流压进有限页框，表格行被截成上下两半、标题孤悬页底就是这么来的。@page 定义页框（A4 尺寸、页边距、页眉页脚 margin box），决定「能装多大」；page-break-inside: avoid 让表格/代码块尽量整块下移、page-break-after: avoid 防止孤儿标题，配合 widows/orphans 收敛断行位置。