python pdfkit 中文亂碼問題的解決方案

Posted on by

使用python pdfkit生成pdf文件中遇到中文亂碼問題

1.生成的文件名不能帶有中文字符

2.生成的pdf內容中文為亂碼

生成的文件名不能帶有中文字符

解決方法：

我暫時想到的處理方式是先生成英文文件名，再將這個文件重命名為中文的文件名

#coding=utf8
import os
import pdfkit
from uuid import uuid1
ret = '<html><head><meta charset="UTF-8"></head><body><h1>測試pdf內容部分</h1></body></html>'.decode('utf8')
file_name = str(uuid1())
pdfkit.from_string(ret, file_name) # file_name不能帶有中文 如果有會報錯
file_name_new = '測試.pdf'
os.rename(file_name, file_name_new)

生成的pdf內容中文為亂碼

原因1：

因為pdfkit生成pdf功能其實調用的是webkit的子模塊wkhtmltopdf(通過命令行方式)，所以pdfkit生成中文亂碼其實是wkhtmltopdf中文亂碼導致的；而wkhtmltopdf中文亂碼是因為系統中不存在中文字體導致的

解決方法：

在系統中添加中文字體

我的本地電腦是ubuntu14.04的字體文件保存在/usr/share/fonts下(包含瞭中文字體文件具體哪一個我也不知道汗。)，我的服務器是redhat系統(沒有中文字體)，所以在我的電腦上操作如下:

cd /usr/share/fonts
zip -r fonts.zip ./*
scp fonts.zip 服務器用戶名@服務器ip:/usr/share/fonts

在服務器上操作如下:

cd /usr/share/fonts
unzip fonts.zip
fc-cache -fv
fc-list # 查看新添加的字體

你需要找一臺有安裝瞭中文字體的電腦復制一份字體文件(就是/usr/share/fonts下的文件)，然後如我以上操作就可以瞭。

原因2：

需要在html的字符集設置為utf8

<head><meta charset=”UTF-8″></head>

補充：python寫入html文件中文亂碼-解決辦法

使用open函數將爬蟲爬取的html寫入文件，有時候在控制臺不會亂碼，但是寫入文件的html中的中文是亂碼的

案例分析

看下面一段代碼：

# 爬蟲未使用cookie
from urllib import request
if __name__ == '__main__':
 url = "http://www.renren.com/967487029/profile"
 rsp = request.urlopen(url)
 html = rsp.read().decode()
 with open("rsp.html","w")as f:
 # 將爬取的頁面
 print(html)
 f.write(html)

看似沒有問題，並且在控制臺輸出的html也不會出現中文亂碼，但是創建的html文件中

解決方案

使用open方法的一個參數，名為encoding=” “，加入encoding=”utf-8”即可

# 爬蟲未使用cookie
from urllib import request
if __name__ == '__main__':
 url = "http://www.renren.com/967487029/profile"
 rsp = request.urlopen(url)
 html = rsp.read().decode()
 with open("rsp.html","w",encoding="utf-8")as f:
 # 將爬取的頁面
 print(html)
 f.write(html)

運行結果

以上為個人經驗，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方，望不吝賜教。

推薦閱讀：