XPS转PDF全解析：固定版式原理、OXPS兼容与批量处理

XPS（XML Paper Specification）是微软随 .NET Framework 3.0 推出的固定版式文档格式，设计目标与 PDF 几乎一致：精确描述「每一页上有什么、位于哪里」。正因如此，XPS 转 PDF 常被误以为只是换个容器，实际却要跨过 XAML 解析、单位换算、字形映射和 OXPS 兼容四道坎。本文按这四层拆解，并给出可批量化落地的方案。

一、XPS 与 PDF：同源不同命的固定版式

两者都把页面描述为「绘制指令流」，但底层模型差异很大：

• XPS：ZIP 容器 + XML，页面以 FixedPage 为单位，内容用 XAML 的 Canvas、Path、Glyphs 元素表达，字体与图片作为独立资源分部存放。
• PDF：二进制对象模型，页面内容流使用 PostScript 风格的运算符，所有资源通过 xref 表统一索引。
• 坐标系：XPS 的最小单位是 1/96 英寸（与 WPF 的设备无关像素 DIP 一致），PDF 默认以 1/72 英寸（点）计量，二者换算系数恰为 0.75。

这个 0.75 是最隐蔽的 bug 来源：转换时若忘记缩放，输出的 PDF 会比原页面小 25%，而在缩略图上几乎看不出来，往往等印刷或拼接时才暴露。

二、解析 XPS 的两条技术路线

1. 解包直读：XPS 本质是 zip，展开后可以看到 FixedDocumentSequence.fdseq → FixedDocument.fdoc → FixedPage.fpage 三级结构，配合 .rels 关系文件能完整还原页序与资源引用。优点是跨平台，Linux 服务器上也能跑。
2. 调用系统渲染管线：在 Windows 上交给 XpsDocument 或 XPS 打印驱动渲染，再重新封装成 PDF。还原度高，但强依赖 Windows，且默认输出常是位图，会牺牲矢量清晰度。

工程上优先选第一条路线：可控、可批量、可在容器里跑。第二条仅用于兜底那些 XAML 特性过于冷门的文件。

三、OXPS 兼容性：改后缀带来的连锁反应

格式	容器	说明	处理要点
XPS	ZIP，UTF-8 命名	早期规范，命名空间 2005/06	按标准 XAML 解析即可
OXPS	OpenXPS，OPC 容器	Win8 起默认导出	命名空间不同，解析器需分支
后缀错标	实际为 OXPS	文件名 .xps 内容却是 OpenXPS	读命名空间判定，勿信后缀

最常见的失败是「用 XPS 的解析器去读 OXPS」：两者元素名相近但命名空间 URI 不同，解析器要么抛异常，要么静默返回空页。正确做法是打开 FixedDocumentSequence 的第一行，读它的 xmlns 命名空间，再决定用哪套解析规则，绝不能只看文件后缀。

四、字形与资源嵌入：乱码的真正根源

XPS 里的文字常以 Glyphs 元素出现，用字形索引而非字符编码引用字体。转换时必须把字形索引重新映射回 Unicode，否则 PDF 里会出现「字符选不中、复制出来是乱码」的情况。处理原则有三条：

1. 优先读取 Glyphs 的 UnicodeString 属性，它保存了真实文本。
2. 缺失该属性时，用 FontUri 找到字体子集，结合 Indices 与 Cmap 反查。
3. 字体文件若为 .odttf（XPS 的混淆字体），需按 GUID 做去混淆还原后才能嵌入 PDF。

只有字体嵌入正确，搜索、复制与无障碍阅读才有基础；否则输出的只是一个「看起来对」的空壳。

五、批量转换的工程化参数

把上述流程固化成脚本，核心逻辑如下：

import zipfile
from lxml import etree

with zipfile.ZipFile("in.xps") as z:
    seq = etree.fromstring(z.read("FixedDocumentSequence.fdseq"))
    ns_uri = etree.QName(seq).namespace      # 用命名空间判断 XPS / OXPS
    for ref in seq.iter():
        if etree.QName(ref).localname == "DocumentReference":
            fdoc = ref.get("Source")          # 逐文档展开，再进 Pages
            page = etree.fromstring(z.read(fdoc))
            # 缩放系数 0.75：XPS 1/96 inch -> PDF 1/72 inch
            scale = 0.75

关键参数只有三个：命名空间分支、缩放系数 0.75、以及页序（务必按 .rels 而不是文件名排序，否则多文档 XPS 会乱序）。

六、交付前的校验清单

转换完不要只看第一页，建议内置四条自动断言：页数与源文件一致、页面尺寸在预期范围（A4 约 595×842 点）、可提取字符数不为零、嵌入了至少一个字体子集。只要第一条与第三条同时通过，绝大多数「空页」和「乱码」问题都能被拦在交付之前。

七、总结

XPS 转 PDF 的难点不在「转换」这个动作，而在四层语义的对齐：命名空间决定走哪条解析路线，0.75 决定页面是否等比，字形到 Unicode 的映射决定文字能否被检索，字体子集决定跨设备一致性。把这四层逐一对齐，批量转换的稳定性就会有质的变化。