fix(pdf): tagged PDF显式关闭+容器CJK字体换静态TrueType——PDF体积3倍竞品根因修复(2026-10-04)——①server.js page.pdf显式tagged:false+outline:false:Puppeteer24 parsePDFOptions把tagged默认翻true(node_modules/puppeteer-core/common/util.js),每文字运行产StructElem(436轮NotebookLM实测63,171个5.65MB,xref 79,817);②Dockerfile弃装fonts-noto-cjk(CFF-in-OTC无法子集→全部汉字逐页Type3,745字典2.4MB CharProcs),改构建期从google/fonts(commit固定a85815a)下载SC/TC/JP/KR/HK变量字体+fonttools实例化400/700静态TrueType装系统(--update-name-table防family名带Thin致fontconfig miss;--no-install-recommends下需显式ca-certificates+fontconfig;fonttools走python3 -m入口);emoji字体保留(位图Type3残余0.02MB,视觉优先);真实容器端到端:同会话HTML POST实测26.66MB→8.69MB(-67%)低于竞品9.41MB,xref→3,182,Type3→45,图片5.19MB→0.69MB与竞品同量级,文本保真98.15%字符级一致,嵌入字体全TTF子集;本机pdf-test(17861)/pdf-prod(7860)已重建验证字节级一致;12平台API契约零改动,新旧插件全兼容;证据链XWXExporter/temp/test/notebooklm/2026-10-04/与解决方案API/111;HF Space待用户手动push部署

Dockerfile

@@ -1,16 +1,47 @@
 # Use Node.js 20 on Debian Bookworm (Chromium 149, fixes SVG context-stroke support)
+#
+# ── CJK 字体策略（2026-10-04 PDF 体积根因修复，勿回退到 fonts-noto-cjk）──
+# Debian 的 fonts-noto-cjk 是 CFF 轮廓的 OTC 集合封装，Skia/PDF 无法对它做
+# 子集嵌入，print-to-PDF 时每个 CJK 字形都退化为 Type3 逐页画（436 轮会话实测：
+# 745 个 Type3 字体字典 + 2.4MB CharProcs + 每页重复字形，韩文/康熙部首同样中招；
+# 变量字体也触发 Type3，已实测）。TrueType 轮廓的静态实例则正常以 TTF 子集嵌入，
+# 全文档共享一份。证据链见 XWXExporter 仓库 temp/test/notebooklm/2026-10-04/。
+# 因此：构建期从 google/fonts 下载变量字体（commit 固定可复现），用 fontTools
+# 实例化 400/700 两个 weight 装为系统字体；不装 fonts-noto-cjk。
+# 插件 document-export-css.js 的字体栈已按语言对齐静态家族名
+# （Noto Sans SC/TC/JP/KR/HK 优先于 CJK OTC 名）。
+# emoji 仍用 fonts-noto-color-emoji（CBDT 位图，少量 Type3 残留，视觉优先）。
 FROM node:20-bookworm-slim
 
-# Install Chrome Dependencies
 RUN apt-get update && apt-get install -y \
     chromium \
-    fonts-noto-cjk \
     fonts-noto-core \
     fonts-noto-color-emoji \
+    python3-fonttools \
+    fontconfig \
+    curl \
+    ca-certificates \
     libxss1 \
     --no-install-recommends \
     && rm -rf /var/lib/apt/lists/*
 
+# google/fonts 仓库 commit 固定（2026-10-04 取）
+ARG NOTO_FONTS_COMMIT=a85815a42757630ce188fdad368c2dfc444d4773
+RUN set -eux; \
+    mkdir -p /usr/local/share/fonts/noto-sans-static; \
+    for fam in notosanssc:NotoSansSC notosanstc:NotoSansTC notosansjp:NotoSansJP notosanskr:NotoSansKR notosanshk:NotoSansHK; do \
+      dir="${fam%%:*}"; stem="${fam##*:}"; \
+      curl -fsSL -o "/tmp/${stem}-Var.ttf" \
+        "https://raw.githubusercontent.com/google/fonts/${NOTO_FONTS_COMMIT}/ofl/${dir}/${stem}%5Bwght%5D.ttf"; \
+      for w in 400 700; do \
+        python3 -m fontTools.varLib.instancer --update-name-table \
+          -o "/usr/local/share/fonts/noto-sans-static/${stem}-${w}.ttf" \
+          "/tmp/${stem}-Var.ttf" "wght=${w}"; \
+      done; \
+      rm -f "/tmp/${stem}-Var.ttf"; \
+    done; \
+    fc-cache -f
+
 # Set working directory
 WORKDIR /app
 

server.js

@@ -545,10 +545,19 @@ app.post('/api/generate_pdf', async (req, res) => {
     // timeout: 0 = 禁用 page.pdf() 内部超时（默认 30s）
     // 参考: https://stackoverflow.com/questions/69436420
     // 应用层用 Promise.race 做超时控制
+    //
+    // tagged/outline 必须显式关闭：Puppeteer v24 起 parsePDFOptions 把 tagged 默认
+    // 翻成 true（node_modules/puppeteer-core/common/util.js），每段文字运行都会生成
+    // 一个 StructElem 结构元素（436 轮 NotebookLM 实测 6.3 万个对象 ≈ 5.7MB + xref
+    // 膨胀），这是 2026-10 PDF 体积为竞品 3 倍的三大根因之一（temp/test/notebooklm/
+    // 2026-10-04 实测关掉省 7.3MB/32MB）。无障碍标签对下载交付物无价值，outline
+    // 隐含 tagged，一并锁死，防止未来 puppeteer 升级再翻转默认值。
     const pdfPromise = page.pdf({
       format: 'A4',
       printBackground: true,
       preferCSSPageSize: true,
+      tagged: false,
+      outline: false,
       displayHeaderFooter: true,
       headerTemplate: '<div></div>',
       footerTemplate: `