Вы создаете счет, выписку по счету или сертификат. В браузере все выглядит идеально. Но когда вы генерируете PDF, арабский текст начинает выглядеть вот так:

  • буквы не соединяются:  ف ا ت و ر ة  вместо  فاتورة ;
  • слова выводятся в обратном порядке;
  • получаются  ????  или пустые квадраты;
  • IBAN или номер заказа посреди предложения улетают не на ту сторону.

Это один из самых частых вопросов по PDF на Stack Overflow; только у вопроса по dompdf почти 19 000 просмотров. Все четыре симптома возникают из-за двух этапов, которые выполняют браузеры и пропускает большинство PDF-библиотек, поэтому, как только вы поймете суть этих этапов, решение сведется к выбору одного из трех подходов.

Для арабского языка нужны две вещи, которые не делают большинство PDF-библиотек

Записать латинский текст в PDF просто: берем каждый символ, находим его глиф в шрифте, отрисовываем, смещаем вправо. Для арабского языка нужны два дополнительных шага.

1. Шейпинг (формирование глифов)

Арабская буква имеет до четырех форм в зависимости от ее позиции в слове: изолированную, начальную, срединную и конечную.  ه  выглядит по-разному в  هو ,  فهم  и  وجه . Сохраняемый вами текст ( U+0647 ) всегда имеет одну и ту же кодовую точку; выбор правильной формы, а также лигатур вроде  لا  — это задача текстового шейпера, такого как HarfBuzz.

Библиотеки, которые выводят глифы по одному без шейпера, отрисовывают каждую букву в ее изолированной форме. Отсюда и  ف ا ت و ر ة .

2. Двунаправленная перестановка (биди)

Арабский текст пишется справа налево, но цифры, латинские слова, адреса электронной почты и IBAN внутри него идут слева направо. Двунаправленный алгоритм Юникода (UAX #9) определяет визуальный порядок каждого фрагмента. Без него слова отображаются задом наперед, знаки препинания оказываются не на той стороне, а  SA03 8000 0000 6080 1016 7519  превращается в кашу.

Браузеры выполняют оба шага: и шейпинг с помощью HarfBuzz, и алгоритм bidi. Именно поэтому ваш HTML выглядит правильно в Chrome. Многие PDF-библиотеки не делают ни того, ни другого или выполняют только что-то одно.

Как ведут себя популярные библиотеки

Библиотека Арабские глифы Шейпинг Bidi Типичное решение
dompdf (PHP) со шрифтом вроде DejaVu Sans нет нет предварительный шейпинг через  ar-php  или смена библиотеки
mPDF (PHP) да да, если включен OTL шрифта да  'mode' => 'utf-8' , шрифт с  useOTL => 0xFF ,  dir="rtl" 
TCPDF (PHP) да ( aealarabiya ) да базово  $pdf->setRTL(true) 
jsPDF (JS) после внедрения TTF базово ограничено внедрить Amiri,  align: 'right' , не усложнять строки
pdfmake (JS) после внедрения TTF нет нет переворачивать слова вручную или сменить библиотеку
ReportLab (Python) с TTF нет нет  arabic_reshaper  +  python-bidi 
iText (Java/.NET) с TTF с pdfCalligraph с  RUN_DIRECTION_RTL  коммерческий аддон для полной поддержки
Headless Chrome (Puppeteer, Playwright) если установлен шрифт да да установить арабские шрифты в контейнер

Чем больше верстки текста библиотека берет на себя, тем сложнее становится работа с арабским языком. Движок браузера уже делает все это.

Решение 1: оставить текущую библиотеку и пропатчить ее

Если вы глубоко интегрировали какую-то одну библиотеку, а ваши документы просты (короткие арабские строки, минимум цифр), патчи работают.

PHP / dompdf, изменение формы перед рендерингом:

 $arabic = new \ArPHP\I18N\Arabic();
$html = preg_replace_callback('/[\x{0600}-\x{06FF}\s]+/u',
    fn ($m) => $arabic->utf8Glyphs($m[0]), $html);
 

Python / ReportLab:

 import arabic_reshaper
from bidi.algorithm import get_display

text = get_display(arabic_reshaper.reshape("مرحبا بالعالم"))
c.setFont("Amiri", 14)
c.drawRightString(550, 750, text)
 

Эти подходы ломаются при смешении арабского и английского текста в одной строке, при переносе (приходится делать шейпинг после переноса строк) и при использовании таблиц.

Решение 2: рендеринг с помощью движка браузера

Создайте документ как HTML, а затем распечатайте его с помощью Chromium. Вы получаете тот же шейпинг и bidi, что и в браузере, плюс современный CSS для верстки.

 import { chromium } from 'playwright';

const browser = await chromium.launch();
const page = await browser.newPage();
await page.setContent(html, { waitUntil: 'load' });
await page.evaluate(() => document.fonts.ready);
const pdf = await page.pdf({ format: 'A4', printBackground: true });
await browser.close();
 

Шаг, о котором часто забывают — это шрифты в контейнере. В легком образе Linux нет арабских шрифтов, поэтому Chromium рисует пустые квадраты. На Debian или Ubuntu:

 RUN apt-get update && apt-get install -y --no-install-recommends \
      fonts-noto-core fonts-hosny-amiri \
 && fc-cache -f && rm -rf /var/lib/apt/lists/*
 

 fonts-noto-core  включает Noto Naskh Arabic и Noto Sans Arabic.  fonts-hosny-amiri  добавляет Amiri — классический стиль насх, который отлично смотрится в печатных инвойсах.

HTML, который делает арабские документы правильными визуально

Какой бы движок вы ни использовали, именно эти детали определяют, окажутся ли таблицы, суммы и номера счетов на своих местах:

 <html dir="rtl" lang="ar">
<head>
  <meta charset="utf-8">
  <style>
    body  { font-family: 'Noto Naskh Arabic', 'Amiri', serif; }
    .num  { font-variant-numeric: tabular-nums; }
    @page { size: A4; margin: 15mm; }
  </style>
</head>
<body>
  <h1>فاتورة ضريبية مبسطة</h1>
  <p>رقم الحساب: <bdi dir="ltr">SA03 8000 0000 6080 1016 7519</bdi></p>
  <p>البريد: <bdi dir="ltr">billing@example.sa</bdi></p>
</body>
</html>
 
  •  dir="rtl"  у тега  <html> , а не только у параграфов. Тогда таблицы, списки, flexbox и grid зеркалятся автоматически.
  •  <bdi>  вокруг фрагментов слева направо: IBAN, email, артикулы, номера заказов. Это изолирует их от окружающего арабского текста, сохраняя их собственный порядок.
  •  tabular-nums  для колонок с суммами, чтобы цифры выравнивались по столбцу.
  • Один язык на элемент в двуязычных документах.  <td lang="ar">…</td><td lang="en">…</td>  ведет себя гораздо предсказуемее, чем оба языка в одном предложении.

Еще один момент, который следует знать, если вы планируете извлекать текст из PDF позже — для поиска или автоматических тестов. Когда мы пропустили пять документов саудовского образца через Chromium и прочитали PDF обратно, изображение всегда было правильным, но текстовый слой сохранял арабские фрагменты в визуальном порядке, а в строке с большим количеством огласовок (بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيم) последняя буква отсутствовала в извлеченном тексте, хотя присутствовала на странице. Поэтому тестируйте отрендеренную страницу как изображение и не рассчитывайте, что  pdftotext  вернет вам вашу исходную строку.

Решение 3: доверить это стороннему сервису

Если вы не хотите запускать Chromium и самостоятельно поддерживать шрифты, размещенный в облаке HTML-to-PDF API делает ту же работу. В Саудовской Аравии вам также может потребоваться, чтобы документы не покидали королевство, особенно в сфере финтеха и персональных данных.

Раскрытие информации: я связан с Sahifa — API для конвертации HTML в PDF, который запускает Chromium с арабскими шрифтами в Джидде. Готовые к запуску примеры на пяти языках доступны на GitHub, а сам сервис представлен на RapidAPI с бесплатным тарифом на 50 запросов в месяц.

 curl https://api.sahifa.dev/v3/convert/pdf \
  --user "api:$SAHIFA_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{"source": "<html dir=\"rtl\" lang=\"ar\"><body><h1>فاتورة</h1></body></html>"}' \
  --output invoice.pdf
 

Если вы столкнулись с кейсом арабского PDF, который все равно ломается, поделитесь им в комментариях. Я собираю нестандартные случаи.