PDFNet在Ubuntu 16.04与20.04转换PDF为文本时词序不一致问题

安全阿岳

2026-7-14

排查方向提示

系统依赖库版本差异：Ubuntu 20.04与16.04的底层系统库（如libfontconfig、libfreetype等PDF解析、字体渲染相关库）版本差距较大，可尝试在20.04中降级匹配16.04的对应库版本，测试词序是否恢复。
文本提取参数一致性：检查PDFNet的TextExtractor是否采用了相同的提取模式（如e_physical或e_logical布局模式）及参数配置，不同模式的布局解析逻辑可能导致文本排序差异。
字体渲染与字符定位逻辑：Ubuntu 20.04的字体配置、HarfBuzz渲染引擎版本变化，可能影响PDFNet对字符位置坐标的计算，进而打乱文本顺序。可导入16.04的字体配置文件，或指定相同字体集测试。
PDFNet版本系统兼容性：确认PDFNet v9.308007对Ubuntu 20.04的支持情况，该版本可能未适配新系统，查看官方是否有对应补丁或兼容更新版本。
环境变量与区域设置：对比两个系统的LC_ALL、LANG等区域环境变量，确保20.04的设置与16.04完全一致，区域配置可能影响文本换行、排序逻辑。
最小复现案例测试：制作仅包含问题文本区域的极简PDF文件，分别在两个系统测试转换，排除其他页面元素干扰，定位是特定PDF内容问题还是全局提取逻辑问题。