VibeKnow解析PDF出现中文乱码，常见原因通常是字体未嵌入或OCR识别缺失。建议先用Acrobat检查PDF字体属性，再根据实际情况启用OCR、安装中文字体（如Noto Sans CJK SC），或导出TXT后重新生成带嵌入字体的PDF文件。

使用VibeKnow解析PDF时，如果出现中文乱码、文字丢失或显示为方框，通常说明文本流没有被正确映射到Unicode字符。这类问题多见于扫描版PDF未执行OCR、源PDF未嵌入中文字体，或VibeKnow运行环境中缺少对应的中文字体文件。

确认乱码类型与源头

首先打开目标PDF文件，建议使用Adobe Acrobat Reader DC（不要直接用浏览器）打开→点击「文件」→「属性」→切换到「字体」选项卡。如果列表中【没有显示任何中文字体名称（如SimSun、Noto Sans CJK SC、Source Han Sans CN等），并且所有条目都标注为“未嵌入”或“子集”】，那么基本可以判断为字体缺失导致的乱码；如果PDF在Acrobat中能够正常显示中文，但VibeKnow解析输出却变成、□或空格，那么问题通常出在VibeKnow的解析流程，而不是PDF文件本身损坏。

这一步非常关键，若直接跳过，容易误判问题来源。很多用户重装VibeKnow后仍然无效，根本原因就是没有先排查PDF自身的字体问题。

强制启用OCR处理扫描件PDF

VibeKnow默认会对可选中文文本的PDF跳过OCR，但有些PDF虽然带有文本层，实际上是低质量OCR残留，或者存在字符编码混乱，这时就需要手动启用高精度OCR识别。

方法一：在VibeKnow Web控制台上传PDF后，先不要直接点击「开始解析」，而是先勾选「启用高精度OCR」开关→再将语言设置为「简体中文」→最后点击解析。

方法二：如果是通过API调用，请在请求体中明确传入{"ocr_enabled": true, "ocr_lang": "zh"}，否则VibeKnow可能继续沿用缓存中的错误文本层，导致中文识别异常。

注意：开启OCR后，解析时间通常会增加3～8秒/页，但对于扫描件PDF或疑似“伪文本PDF”来说，这是绕过字体映射失败、提升中文识别准确率的关键方式。

修复VibeKnow运行环境字体缺失

第一步：确认VibeKnow部署所在的服务器或容器中，是否已经安装基础中文字体。可执行命令：fc-list :lang=zh（Linux/macOS），或检查C:WindowsFonts目录（Windows）中是否存在simhei.ttf、msyh.ttc或NotoSansCJKsc-Regular.otf。

第二步：如果没有找到对应字体，建议下载Noto Sans CJK SC Regular。这是Google开源中文字体，适合用于PDF中文解析场景。下载并解压后，将其中的NotoSansCJKsc-Regular.otf文件复制到VibeKnow服务使用的JVM的jre/lib/fonts/目录下（Java部署场景），或者放到Docker镜像的/usr/share/fonts/opentype/noto/路径（容器部署场景），然后重启VibeKnow服务即可生效。

第三步：验证字体是否成功注册。在VibeKnow后台日志中搜索关键字font loaded: NotoSansCJKsc，如果出现该记录，就表示字体注入成功。若未出现，通常说明路径配置错误或权限不足，【字体文件必须能被JVM进程读取，chmod 644这一步不能省略】。

导出纯文本并重建PDF规避渲染缺陷

如果按照以上方法处理后，仍然无法恢复结构化解析结果，建议放弃直接解析原PDF，改用内容还原方案：

① 在VibeKnow控制台中，对目标PDF执行「导出为TXT」操作，先获取原始提取文本；

② 将TXT内容粘贴到Word文档中，手动校对关键字段，尤其是数字、专有名词和重要信息；

③ 在Word中设置中文字体（如“微软雅黑”）→全选→点击「布局」→「文字方向」，确认文档为横排→另存为PDF时勾选「嵌入所有字体」；

④ 将新生成的PDF重新导入VibeKnow——此时由于字体已完整嵌入且字符编码明确，PDF解析成功率通常接近100%。