pdf文件完整性校验需分三步：先用file命令确认基础结构，再用qpdf --check验证语法合法性，最后用pdfinfo和pdftotext检查页数与关键文本内容是否符合预期。
PDF 文件完整性校验：用 file 命令和 qpdf 快速判断是否损坏
HTML 转 PDF 后若出现乱码、空白页或渲染中断，大概率是生成的 PDF 本身已损坏。别急着调 HTML 渲染逻辑，先确认 PDF 是否合法。
-
file output.pdf：输出含PDF document, version 1.7表示基础结构正常；若显示data或cannot open，说明文件非 PDF 或头部损坏 -
qpdf --check output.pdf：真正校验交叉引用表和对象流。返回PDF is valid才算通过；若报invalid xref或object not found，该 PDF 不可信赖 - 注意：
qpdf不校验内容语义（比如字体缺失），只验证语法结构。它快且轻量，适合 CI 中做前置检查
HTML → PDF 的常见「假成功」场景：wkhtmltopdf / Puppeteer 输出无声失败
很多工具在 HTML 有 JS 错误、CSS 加载超时或资源 404 时，仍会生成一个看似正常的 PDF 文件，但内容不全——这不是校验问题，而是转换过程被静默截断。
- wkhtmltopdf 默认不阻塞等待
document.readyState === 'complete'，加参数--javascript-delay 2000或--window-status "ready"（需 HTML 中document.title = 'ready'配合） - Puppeteer 中未 await
page.waitForNetworkIdle({ timeout: 5000 })，可能导致图片、字体未加载完就转 PDF - 本地路径资源（如
file:///引入的 CSS/JS）在无沙箱环境下可能被拒绝，错误不会抛到 stdout，需加--enable-local-file-access并检查日志
用 pdfinfo 和 pdftotext 做内容级校验
结构合法 ≠ 内容正确。比如 PDF 有 5 页但第 3 页全是空白，qpdf --check 依然通过。
-
pdfinfo -meta output.pdf：看Pages:数是否符合预期；Encrypted:是否为no（加密会干扰后续解析） -
pdftotext -layout output.pdf - | head -n 20：提取前 20 行文本，确认关键标题、段落是否存在。若输出为空或只有乱码，说明文字未嵌入或编码异常 - 注意：
pdftotext对某些字体（如 Noto Sans CJK）支持不稳定，建议搭配-enc UTF-8使用；若仍乱码，大概率是 HTML 中未声明<meta charset="UTF-8">
自动化校验链：Shell 脚本示例
把上述检查串成可复用的流程，避免每次手动敲命令。
立即学习“前端免费学习笔记（深入）”；
#!/bin/sh
PDF="$1"
if [ ! -f "$PDF" ]; then
echo "ERROR: $PDF not found"
exit 1
fi
<h1>结构校验</h1><p>if ! qpdf --check "$PDF" >/dev/null 2>&1; then
echo "FAIL: $PDF fails qpdf validation"
exit 1
fi</p><h1>页数校验（假设应为 3 页）</h1><p>PAGES=$(pdfinfo "$PDF" 2>/dev/null | grep "Pages:" | awk '{print $2}')
if [ "$PAGES" != "3" ]; then
echo "FAIL: expected 3 pages, got $PAGES"
exit 1
fi</p><h1>文本存在性校验（检查是否含关键词）</h1><p>if ! pdftotext -layout "$PDF" - 2>/dev/null | grep -q "订单编号"; then
echo "FAIL: missing keyword '订单编号'"
exit 1
fi</p><p>echo "PASS: $PDF is intact and content-valid"</p>这个脚本不解决「怎么转 PDF」，只回答「转出来的这个 PDF 能不能用」。真实项目里，它应该跑在生成之后、上传之前——很多人漏掉这步，等用户投诉才回头查。
