仅通过客户端JavaScript能否从PDF中提取字体？

首先针对你调试PDF.js遇到的现象先做澄清：

• PDF.js插入携带字体数据的CSS规则是专门服务于Canvas绘制场景的：PDF内嵌字体大多是子集化、带私有编码映射的，库内部解析字体时会生成临时的字体对象与编码映射表，挂载到@font-face规则后，配合逐字符调用fillText的逻辑，才能保证Canvas上绘制的字形和原PDF一致。
• 你复现后无法在普通HTML文本上得到一致效果不是操作问题：这套机制本身就不面向常规HTML文本渲染设计。绝大多数PDF内嵌的子集字体只包含文档用到的少量字符，且字形ID和Unicode码点的对应关系是文档自定义的，没有标准的全量cmap映射，直接把这类字体数据挂到普通DOM的CSS上，浏览器按通用Unicode规则匹配字形必然出现乱码、缺字。

纯客户端JavaScript完全可以实现从PDF中提取字体，不需要服务端支持，核心实现逻辑如下：

• 可以直接复用PDF.js的底层解析能力，不需要照搬它的Canvas渲染字体注入逻辑：加载PDF文档后遍历所有页的字体资源，就能直接拿到内嵌字体的原始二进制数据，覆盖TrueType、OpenType、Type1等PDF支持的所有常见字体格式，直接导出即可得到原始字体文件。
• 如果提取字体的目标是给普通HTML文本渲染使用，还需要额外做两步处理才能正常生效：
  1. 修正字体的编码映射：把PDF中存储的字形ID与Unicode的对应关系，写入字体文件的cmap表，让浏览器可以通过常规Unicode码点匹配到正确字形
  2. 补全字体标准元数据：PDF内嵌的子集字体通常会裁剪掉普通Web字体加载必需的字体名、字族、字重等元信息，提取后需要补全这些字段，再转成WOFF/WOFF2这类Web友好的字体格式，才能通过常规的@font-face规则在HTML中正常使用
• 如果只是需要提取原始字体文件做存档、字形分析，不需要适配HTML渲染，直接导出解析到的二进制字体数据即可，不需要额外处理。

内容的提问来源于stack exchange，提问作者Antony Ng