PDFKit转换HTML为PDF文件过大且文本无法检索的问题

我有一个小于900KB的静态HTML文件（无需联网），用PDFKit生成约100页PDF后，体积达到30-40MB，远超预期——每页仅包含重复文本和4张小图。同时生成的PDF文本无法检索、高亮，每页像一张图片；但用浏览器打印HTML生成的PDF没有这个问题。

我试过把图片缩小到原尺寸的30%，但PDF体积没有变化。需要实现自动化处理，想知道是否遗漏了PDFKit的相关配置？另外我可直接使用HTML字符串而非读取文件，这是否有帮助？也可以更换无授权要求的工具。

当前使用的工具与代码 #

安装命令 #

apt-get install wkhtmltopdf -y

pip install pdfkit==1.0.0
pip install pypdf2==2.10.5

生成PDF的Python代码 #

import pdfkit

def html_to_pdf(html_path: str, pdf_path: str):
    pdfkit.from_file(
        input=html_path, 
        output_path=pdf_path,
        configuration=pdfkit.configuration(),
        options={
            'zoom': '0.9588', # 反复测试得到的合适缩放比例
            'disable-smart-shrinking': '', 
            'page-size': 'Letter',
            'orientation': 'Landscape',
            'margin-top': '0',
            'margin-right': '0',
            'margin-left': '0',
            'margin-bottom': '0',
            'encoding': "UTF-8",
        })

html_to_pdf(".my_html_file.html", "my_pdf_file.pdf")

定位到的核心问题：自定义字体嵌入方式 #

我使用自定义OTF字体，转成二进制后以base64编码嵌入HTML头部，相关代码如下：

HTML中的字体嵌入代码 #

<style>
@font-face {
    font-family: "my_custom_font";
    src: url(data:font/woff2;base64, asdlfjsads92932super-long-byte-string-here) format("woff2");
    font-weight: normal;
    font-style: normal
}
</style>

<style>
@font-face {
    font-family: "my_custom_font_bold";
    src: url(data:font/woff2;base64, asdlfjsads92932super-long-byte-string-here) format("woff2");
    font-weight: normal;
    font-style: normal
}
</style>

CSS中引用字体 #

span {
    font-family: "my_custom_font", Helvetica, sans-serif;
}

b {
    font-family: "my_custom_font_bold";
}

HTML主体重复结构 #

<div class=offer>
    <div class="offer_banner">
        <div class=text_container>
            <div class="stateroom_text"><span>Deliver to you</span></div>
        </div>
        <div class=text_container>
            <div class=colored_heading>
                <div class=colored_heading_child><span class=colored_heading_text>My other text</span></div>
            </div>
        </div>
    </div>
    <div class="offer_top_content">
        <div class=text_container>
            <div class=greeting_text><span>Text 1</span></div>
        </div>
        <hr>
        <div class=text_container>
            <div class=offer_text><span>text 2</span></div>
        </div>
        <hr>
        <div class=text_container>
            <div class=redemption_text><span>Text 3</span></div>
        </div>
        <div class=text_container>
            <div><span class="italics_span">Text 4</span></div>
        </div>
    </div>
    <div class=logo_container>
        <div style="margin:0 20px 0 20px;text-align:center"><img
                src="data:image/svg+xml,%3Csvg%20xmlns=%27http%3A//www.w3.org/2000/svg%27%20width=%27128%27%20height=%2730%27%3E%3Crect%20fill-opacity=%270%27/%3E%3C/svg%3E"
                alt=""
                style="background-blend-mode:normal!important; background-clip:content-box!important; background-position:50% 50%!important; background-color:rgba(0,0,0,0)!important; background-image:var(--sf-img-5)!important; background-size:100% 100%!important; background-origin:content-box!important; background-repeat:no-repeat!important"
                >
        </div>
    </div>
</div>

核心需求 #

在保留自定义字体的前提下，让PDFKit生成的PDF文本可正常检索；同时解决PDF体积过大的问题。

内容的提问来源于stack exchange，提问作者NateH06