PhantomJS生成PDF中文及特殊字符乱码问题排查咨询

算力阿峰

2026-8-30

问题根本原因

你观察到的乱码特征（"骆高" → "éªé«"、"TÜV" → "TÃV"）是UTF-8编码字节被强制按ISO-8859-1（Latin-1）单字节编码解析的典型表现，和ASCII编码无关。
核心问题1：PhantomJS 1.9.8版本的stdin读取逻辑默认继承系统编码，不会自动识别传入的UTF-8格式参数。你在Node侧调用child.stdin.write时指定了utf8编码，所有Node侧日志打印正常，但PhantomJS执行渲染的pdf_a4_portrait.js脚本读取stdin输入时，没有显式指定UTF-8编码，拿到的HTML字符串在渲染前就已经是乱码状态。这也是你之前加meta标签、设置phantom.outputEncoding都不生效的原因——phantom.outputEncoding仅控制PhantomJS输出日志的编码，完全不影响stdin读取、页面渲染的编码逻辑。
核心问题2：Galaxy部署用的是精简Linux容器镜像，默认没有预装中文字体和CJK兼容字体包，PhantomJS渲染PDF时找不到对应字符的字形映射，即使编码传递正确也可能出现乱码、方块字问题。
额外配置错误：你写入S3时使用new Buffer(buffer, 'utf8')处理PDF文件是错误逻辑，fs.readFile拿到的PDF内容是二进制Buffer，强行指定utf8转码会破坏二进制文件结构，反而可能加剧内容异常。

可行修复方案

按优先级依次操作即可解决问题：

修复PhantomJS侧stdin读取编码
打开项目路径下的assets/packages/fta_phantomjs/scripts/pdf_a4_portrait.js脚本，找到读取stdin输入的代码段，显式指定编码为UTF-8，参考修改：

var system = require('system');
var input = '';
// 新增该行，强制stdin按UTF-8编码读取
system.stdin.setEncoding('utf8');

system.stdin.on('data', function(chunk) {
  input += chunk;
});

system.stdin.on('end', function() {
  // 再解析JSON参数，此时拿到的html字段编码正常
  var args = JSON.parse(input);
  // 后续保留原有页面渲染、PDF生成逻辑即可
});

注意：PhantomJS 1.9.x版本的编码自动识别存在已知bug，必须显式设置编码，不能依赖默认逻辑。

补全Galaxy运行环境字体依赖
在项目构建流程中添加字体安装步骤，确保容器内有可用的中文字体：
1. 在项目根目录新建galaxy-postinstall.sh脚本：
```
#!/bin/bash
apt-get update -y
apt-get install -y --no-install-recommends fonts-wqy-zenhei fonts-wqy-microhei fonts-noto-cjk fontconfig
fc-cache -fv
```
1. 在项目package.json中添加postinstall钩子，保证Galaxy部署时自动执行脚本：
```
"scripts": {
  "postinstall": "chmod +x ./galaxy-postinstall.sh && ./galaxy-postinstall.sh"
}
```
清理无效配置、修正错误逻辑
- 删除S3上传时的多余编码指定，直接传读取到的二进制Buffer即可：
```
s3.putObject
  Bucket: "<Bucket>"
  Key: "<Key>"
  Body: buffer # 去掉new Buffer和utf8参数，直接传读出来的二进制内容
  ContentType: 'application/pdf'
```
- HTML模板里只保留一个<meta charset="utf-8" />标签即可，重复添加的http-equiv meta标签属于冗余配置，不会提升兼容性，可以删掉。
- child.stdin.setEncoding('utf8')、child.stdout.setEncoding('utf8')的配置可以保留，不影响功能。
长期优化建议
PhantomJS 1.9.8是2014年发布的老旧版本，存在大量编码、渲染兼容bug，条件允许的话建议升级到PhantomJS 2.1.3版本，或者直接迁移到Puppeteer，对Unicode、中文字体的支持稳定性远高于老版本PhantomJS。

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