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 ةвместоفاتورة; - 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-numsдля 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.
Комментарии (0)
Пока нет комментариев — будьте первым.