pdf2htmlEX转换HTML仅个别字符显示Times New Roman的问题咨询

这个问题我之前帮不少开发者排查过类似案例，大概率和原PDF的字体配置以及pdf2htmlEX的字符映射逻辑有关，具体可以从这几个方向拆解：

• 原PDF的局部字体设置：很多时候根源在原文档的排版上——这两个字符可能被单独指定了Times New Roman字体。比如创作者在输入时不小心切换了字体，或者用的模板里特意给标点/特定字符用了衬线字体。PDF的字体模型是按字符粒度分配属性的，哪怕单个字符也能拥有独立的字体配置，pdf2htmlEX会严格还原这些细节，所以转换后就出现了这种差异化显示。

• 字体子集化的遗漏：如果原PDF使用了字体子集化（只嵌入文档实际用到的字形），可能出现Liberation Sans的子集里刚好没包含"W"或单引号的字形，或者这两个字形因为某种原因被排除在子集外。这时候pdf2htmlEX在转换时找不到对应嵌入字形，就会自动调用系统中优先级较高的 fallback 字体，而Times New Roman通常是这类场景下的常见选择。

• pdf2htmlEX的字体匹配逻辑：工具在处理字体时，会优先遵循PDF中指定的字体名称或嵌入字体。如果原PDF里这两个字符的字体名称明确标记为"Times New Roman"，而其他字符绑定的是"Liberation Sans"，工具就会分别对应渲染。偶尔也会遇到PDF字体名称存在别名或映射的情况，但工具依然能准确识别到对应的字体家族。

排查建议 #

1. 用Adobe Acrobat或Foxit Reader打开原PDF，选中"W"和单引号，通过"检查元素"功能查看它们的字体属性，确认是否和其他字符的字体确实不同。
2. 检查你的pdf2htmlEX转换命令，有没有使用--fallback-font、--no-embed-font这类可能影响字体替换逻辑的参数。
3. 确认系统中是否同时安装了Liberation Sans和Times New Roman字体，字体缺失也可能导致工具自动选择替代字体。

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