使用pdf2md转换PDF为MD时土耳其语输出异常问题求助

问题现象 #

用pdf2md库把PDF转成MD文件时，土耳其语输出出现异常，且不同文档表现不一：部分文档转换后土耳其语显示正常，另一部分则出现乱码或显示错误。

转换日志 #

正常文档（example-normal.pdf）转换日志 #

Warning: fetchStandardFontData: failed to fetch file "FoxitSans.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSans.pfb". Writing to example-normal.md... Done.

异常文档（example-withe-error.pdf）转换日志 #

Warning: fetchStandardFontData: failed to fetch file "FoxitSerifBold.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSerifBold.pfb". Warning: fetchStandardFontData: failed to fetch file "FoxitSerifBoldItalic.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSerifBoldItalic.pfb". Warning: fetchStandardFontData: failed to fetch file "FoxitSerif.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSerif.pfb". Warning: fetchStandardFontData: failed to fetch file "FoxitSansBoldItalic.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSansBoldItalic.pfb". Warning: fetchStandardFontData: failed to fetch file "FoxitSerifItalic.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSerifItalic.pfb". Warning: fetchStandardFontData: failed to fetch file "FoxitSans.pfb" with "UnknownErrorException: Unable to load font data at: C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fontsFoxitSans.pfb". Writing to example-withe-error.md... Done.

原因分析与解决建议 #

1. 字体缺失导致编码解析失败：日志里反复出现无法加载Foxit系列字体的警告，异常文档用到的Foxit字体种类更多。pdf2md依赖的pdfjs-dist库找不到这些字体文件，就没法正确解析土耳其语的特殊字符（比如ğ、ş、ı等），进而出现输出异常。
2. 路径拼接错误：注意到日志里的字体路径少了分隔符（比如standard_fontsFoxitSans.pfb应该是standard_fonts/FoxitSans.pfb），这大概率是pdfjs-dist的路径拼接bug，导致系统找不到字体文件。

具体修复步骤 #

• 手动补充缺失字体：
  1. 下载对应的Foxit系列字体文件（FoxitSans.pfb、FoxitSerif.pfb等）。
  2. 将字体文件放到C:\Users\lorens\Desktop\pdf-md2\node_modules\pdfjs-dist\standard_fonts\目录下，确保路径分隔符正确。
• 修复路径拼接逻辑：
  检查pdfjs-dist源码中fetchStandardFontData方法的路径拼接代码，确保Windows系统下的路径分隔符（\）被正确添加，避免路径拼接错误。
• 替换字体映射：
  在pdf2md或pdfjs-dist的配置里，把缺失的Foxit字体映射到系统已有的支持土耳其语的字体（比如Arial Unicode MS），强制用替代字体解析文档内容。

内容的提问来源于stack exchange，提问作者lorens osman