使用iText生成PDF时部分特殊字符缺失的技术求助

这问题我之前帮好几个开发者踩过坑，核心原因很明确：你用的字体没覆盖所有需要的Unicode字符集，加上可能中间环节的编码配置没跟上，导致土耳其语（ı ğ ş İ Ğ Ş）、克罗地亚语（Č Ć Š Ž Đ）这类特殊字符丢失。下面给你一步步的解决方案：

1. 确保全流程UTF-8编码一致 #

字符丢失第一步先查编码，从HTML到Tidy处理再到iText转换，全程要锁定UTF-8：

• HTML头部必须声明编码：

  <meta charset="UTF-8">
  

• Tidy处理时强制指定UTF-8输入输出（以Java的Tidy为例）：

  Tidy tidy = new Tidy();
  tidy.setInputEncoding("UTF-8");
  tidy.setOutputEncoding("UTF-8");
  tidy.setXmlOut(false); // 别转成XML，保持HTML结构
  

2. 嵌入支持全Unicode的字体 #

iText默认字体只覆盖基础Unicode范围，必须替换成能覆盖所有目标语言的字体，推荐用Noto Sans（Google开源，免费支持几乎所有Unicode字符）：

步骤： #

• 下载Noto Sans的完整字体包（包含常规、粗体等变体），放到项目资源目录
• 在iText转换时配置自定义字体提供者：

  // 初始化字体提供者，禁用默认字体，改用自定义字体
  FontProvider fontProvider = new DefaultFontProvider(false, false, false);
  // 添加Noto Sans字体，指定IDENTITY_H编码（支持全Unicode）并嵌入到PDF中
  fontProvider.addFont("src/main/resources/fonts/NotoSans-Regular.ttf", PdfEncodings.IDENTITY_H, PdfFont.EMBEDDED);
  fontProvider.addFont("src/main/resources/fonts/NotoSans-Bold.ttf", PdfEncodings.IDENTITY_H, PdfFont.EMBEDDED);
  
  // 配置转换属性
  ConverterProperties converterProps = new ConverterProperties();
  converterProps.setFontProvider(fontProvider);
  converterProps.setCharset(StandardCharsets.UTF_8.name());
  
  // 执行转换（htmlContent是Tidy处理后的HTML字符串，outputStream是你的ByteArrayOutputStream）
  HtmlConverter.convertToPdf(htmlContent, outputStream, converterProps);
  

3. 额外检查点 #

• 确保HTML中的特殊字符是原生Unicode字符（比如直接写ğ而不是&ğ;），虽然iText能解析实体，但原生字符更可靠
• 生成PDF后，检查文档属性里的字体是否包含你嵌入的Noto Sans，确认字体已正确打包

按这个流程来，那些缺失的ı ğ ş İ Ğ Ş、Č Ć Š Ž Đ应该都能正常显示了！

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