加密无密码PDF转HTML再转PDF后无法添加文本的问题求助

核心问题分析 #

处理无密码加密PDF时，转HTML再转回PDF后无法添加文本，大概率是解密不彻底、pdf2htmlEX将文本转为图像或wkhtmltopdf渲染时丢失文本可编辑性导致的。

分步排查步骤 #

1. 验证解密后的PDF权限 #

qpdf的--decrypt仅移除加密，但部分PDF可能附带编辑权限限制（即使无密码）：

• 临时注释代码中unlink($unlockedPdf);一行，运行代码后找到临时解密文件，手动打开尝试添加文本：
  • 若无法添加，说明解密未移除权限限制；
  • 若可以添加，则问题出在后续HTML转换或PDF转回环节。

2. 检查pdf2htmlEX输出的HTML内容 #

打开生成的HTML文件，确认内容是可选择的文本而非图片：

• 若HTML全是<img>标签，说明pdf2htmlEX将PDF内容栅格化为图像，导致后续转PDF后无法编辑；
• 若为可选择文本，则问题出在wkhtmltopdf的渲染配置。

3. 捕获wkhtmltopdf的错误日志 #

将shell_exec替换为exec捕获执行日志，排查渲染异常：

exec($wkhtmltopdfCommand, $output, $returnVar);
if ($returnVar !== 0) {
    print_r($output);
}

针对性解决建议 #

1. 完善PDF解密步骤 #

修改qpdf命令，添加--remove-restrictions彻底移除权限限制：

$qpdfDecryptCommand = "qpdf --decrypt --remove-restrictions {$pdfFilePath} {$unlockedPdf}";

2. 调整pdf2htmlEX参数保留文本可编辑性 #

添加参数确保输出文本而非图像：

$command = "pdf2htmlEX --process-outline 0 --fit-width 1024 --space-as-offset 1 --no-drm 1 --embed-external-font 1 {$unlockedPdf} {$outputHtmlPath}";

• --no-drm 1：禁用DRM限制，确保文本可被提取；
• --embed-external-font 1：嵌入外部字体，避免因字体缺失导致文本转成图像；
• 若仍转成图像，尝试添加--zoom 2提高转换精度，帮助识别文本。

3. 优化wkhtmltopdf渲染参数 #

调整参数确保HTML文本被渲染为可编辑的PDF文本：

$wkhtmltopdfCommand = "wkhtmltopdf --enable-local-file-access --disable-smart-shrinking --dpi 300 {$outputHtmlPath} {$pdfOutputPath}";

• --disable-smart-shrinking：禁止智能压缩，避免文本被栅格化；
• --dpi 300：提高渲染分辨率，确保文本清晰且可编辑。

额外验证步骤 #

• 手动执行每一步操作：用qpdf解密PDF → 用pdf2htmlEX转HTML → 用wkhtmltopdf转PDF，确认每一步输出是否正常，缩小问题范围；
• 检查服务器上的pdf2htmlEX和wkhtmltopdf版本，过旧版本可能存在加密PDF处理bug，尝试更新到最新稳定版。

内容的提问来源于stack exchange，提问作者savegramer