python pdfkit 中文乱码问题的解决方案
使用python pdfkit生成pdf文件中遇到中文乱码问题
1.生成的文件名不能带有中文字符
2.生成的pdf内容中文为乱码
生成的文件名不能带有中文字符
解决方法:
我暂时想到的处理方式是先生成英文文件名,再将这个文件重命名为中文的文件名
#coding=utf8 import os import pdfkit from uuid import uuid1 ret = '<html><head><meta charset="UTF-8"></head><body><h1>测试pdf内容部分</h1></body></html>'.decode('utf8') file_name = str(uuid1()) pdfkit.from_string(ret, file_name) # file_name不能带有中文 如果有会报错 file_name_new = '测试.pdf' os.rename(file_name, file_name_new)
生成的pdf内容中文为乱码
原因1:
因为pdfkit生成pdf功能其实调用的是webkit的子模块wkhtmltopdf(通过命令行方式),所以pdfkit生成中文乱码其实是wkhtmltopdf中文乱码导致的;而wkhtmltopdf中文乱码是因为系统中不存在中文字体导致的
解决方法:
在系统中添加中文字体
我的本地电脑是ubuntu14.04的字体文件保存在/usr/share/fonts下(包含了中文字体文件具体哪一个我也不知道汗。),我的服务器是redhat系统(没有中文字体),所以在我的电脑上操作如下:
cd /usr/share/fonts zip -r fonts.zip ./* scp fonts.zip 服务器用户名@服务器ip:/usr/share/fonts
在服务器上操作如下:
cd /usr/share/fonts unzip fonts.zip fc-cache -fv fc-list # 查看新添加的字体
你需要找一台有安装了中文字体的电脑复制一份字体文件(就是/usr/share/fonts下的文件),然后如我以上操作就可以了。
原因2:
需要在html的字符集设置为utf8
<head><meta charset="UTF-8"></head>
补充:python写入html文件中文乱码-解决办法
使用open函数将爬虫爬取的html写入文件,有时候在控制台不会乱码,但是写入文件的html中的中文是乱码的
案例分析
看下面一段代码:
# 爬虫未使用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: # 将爬取的页面 print(html) f.write(html)
看似没有问题,并且在控制台输出的html也不会出现中文乱码,但是创建的html文件中
解决方案
使用open方法的一个参数,名为encoding=” “,加入encoding=”utf-8”即可
# 爬虫未使用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: # 将爬取的页面 print(html) f.write(html)
运行结果
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。
赞 (0)