使用poppler-utils转换PDF时如何避免解码异常问题？

• 指定编码参数重试
  乱码大概率是编码识别不匹配，尝试强制指定UTF-8编码：

  pdftotext -enc UTF-8 input.pdf output.txt
  

  若无效，可尝试其他编码（如Latin1、GBK等），用pdftotext -listenc查看poppler支持的全部编码列表。

• 检查PDF字体嵌入情况
  用pdffonts input.pdf命令查看目标PDF的字体信息：

  • 如果输出中emb列显示no，说明字体未嵌入，poppler可能用系统字体替代导致乱码。可尝试安装对应缺失字体，或用-layout参数强制保留排版逻辑：

    pdftotext -layout input.pdf output.txt
    

• 使用原始文本提取模式
  尝试-raw参数跳过排版优化，直接提取PDF内的原始文本内容：

  pdftotext -raw input.pdf output.txt
  

• 更新poppler-utils到最新版
  旧版本可能存在编码兼容问题，执行以下命令更新：

  sudo apt update && sudo apt upgrade poppler-utils
  

• 用其他工具交叉验证
  安装mupdf-tools包，用mutool尝试转换，排除poppler本身的兼容性问题：

  sudo apt install mupdf-tools
  mutool convert -o output.txt input.pdf
  

  若mutool转换正常，说明问题出在poppler对该PDF的处理逻辑上，可考虑换用mutool作为替代方案。

• 检查PDF内部编码信息
  用pdfinfo input.pdf查看PDF的元数据，确认是否有特殊编码标记；若有条件，可尝试用qpdf重新封装PDF，修复可能的编码结构问题：

  qpdf input.pdf fixed.pdf
  pdftotext fixed.pdf output.txt
  

内容的提问来源于stack exchange，提问作者lowflyer7