Puppeteer项目PDF文本复制顺序异常问题分析

问题现象

在使用Puppeteer将HTML内容转换为PDF时，用户发现从PDF中复制文本时出现异常现象：文本顺序被反转，且文本选择标记位置不正确。具体表现为：

• 复制后的文本顺序与原始内容相反
• 文本选择标记出现在文本的下半部分
• 该问题在Puppeteer 23.7.1及以下版本中不存在
• 从Puppeteer 23.8.0版本开始出现

技术背景

Puppeteer是一个Node.js库，提供高级API来控制Chromium或Chrome浏览器。它常用于网页截图、PDF生成、自动化测试等场景。PDF生成功能依赖于Chromium的打印预览功能，将渲染后的网页内容转换为PDF格式。

问题定位

通过版本对比测试，发现问题出现在Chromium 131.0.6765.0到131.0.6766.0版本之间。关键发现包括：

1. 正常工作的PDF文件大小约为55KB，而有问题的版本生成的PDF约为115KB
2. 问题与自定义字体(Noto Sans)的使用方式有关，字体通过base64编码内嵌在CSS中
3. 问题在Linux和macOS平台上表现一致

根本原因分析

根据现象和技术背景，推测问题可能源于以下几个方面：

1. Chromium在131.0.6766.0版本中对PDF生成引擎进行了修改
2. 字体处理逻辑变更导致文本布局信息存储方式改变
3. PDF内部文本层与实际显示层顺序不一致
4. 文本选择标记的坐标计算出现偏差

解决方案建议

对于遇到此问题的开发者，可以考虑以下解决方案：

1. 暂时降级使用Puppeteer 23.7.1及配套的Chromium版本
2. 检查并更新自定义字体文件，使用较新版本的字体
3. 等待Chromium官方修复此问题
4. 考虑使用其他PDF生成方案作为临时替代

技术启示

此案例提醒开发者：

1. 浏览器引擎的更新可能带来意想不到的兼容性问题
2. 字体处理是PDF生成中的复杂环节，需要特别关注
3. 版本控制策略对于生产环境至关重要
4. 自动化测试应包含PDF内容验证环节

后续发展

该问题已被提交至Chromium项目进行进一步调查。开发者社区将持续关注修复进展，并在问题解决后更新相关文档和最佳实践。