【问题标题】：trouble in converting unicode template to pdf using xhtml2pdf使用 xhtml2pdf 将 unicode 模板转换为 pdf 的麻烦
【发布时间】：2013-08-23 02:16:24
【问题描述】：

我的 html 页面中使用了 unicode，它在 html 页面中正确显示。但是在使用 xhtml2pdf 将其转换为 html 时，它会在 unicodes 中生成黑色的实心方框。除了 UTF-8 设置之外，还有一些 unicode 设置。我不认为它的unicode问题。

# convert HTML to PDF
pisaStatus = pisa.CreatePDF(
        StringIO(sourceHtml.encode('utf-8')),                 
        dest=resultFile)

完整的py代码：

# -*- coding: utf-8 -*-

from xhtml2pdf import pisa
from StringIO import StringIO

source = """<html>
            <style>
                @font-face {
                font-family: Preeti;
                src: url("preeti.ttf");
                }

                body {
                font-family: Preeti;
                }
            </style>
            <body>
                This is a test <br/>
                       सरल
            </body>
        </html>"""

# Utility function
def convertHtmlToPdf(source):
    # open output file for writing (truncated binary)

    pdf = StringIO()
    pisaStatus = pisa.CreatePDF(StringIO(source.encode('utf-8')), pdf)

    # return True on success and False on errors
    print "Success: ", pisaStatus.err
    return pdf

# Main program
if __name__=="__main__":
    print pisa.showLogging()
    pdf = convertHtmlToPdf(source)
    fd = open("test.pdf", "w+b")
    fd.write(pdf.getvalue())
    fd.close()

我什至需要包含字体吗？？

【问题讨论】：

sourceHtml 实际上是一个unicode 字符串吗？因为通常情况下，HTML 文件采用某种 8 位编码，并且在已经是 UTF-8（或者更糟的是 Latin-1 之类的东西）的 str 上调用 encode('utf-8') 不会有帮助。
是的，它们在sourceHtml中是这样的，u093e\u0917\u093f \u0924\u092f\u093e\u0930：
\n\t\t\n \n\t \t\t\n\t\t\t\t\u090 9\u092a\u092d\u094b\u0915\u094d\u0924\u093e \u092a\u0942\u0930\u094d\u0923\u092a\u094d\u092f\u093e\ u0915\u0947\u091c\u0915\u094b \u0932\u093e\u0917\u093f \u0924\u092f\u093e\u0930 :
\n\t\t\t\n

标签： python unicode flask xhtml2pdf

【解决方案1】：

部分解决了。提供字体的绝对路径，即

    <style>
        @font-face {
        font-family: Preeti;
        src: url("c:/static/fonts/preeti.ttf");
        }

        body {
        font-family: Preeti;
        }
    </style>

现在又出现了另一个问题。我混合了文本，部分是 unicode，部分是普通字体（我想我应该说它是普通字体：D），因为字体已被覆盖，现在普通字体出现在矩形框中。在这种情况下是一个空盒子。

【讨论】：

你解决了这个问题吗，我需要在我尝试使用 Mangal（印地语字体）的 PDF 文件中同时包含印地语和英语，但一次只显示其中一个
这对我有用 xhtml2pdf v0.2.3 与 Django 模板渲染系统 @Hemant_Negi

【解决方案2】：

回答有点晚，但我认为了解为什么相对路径在 xhtml2pdf 的 fontface 中不起作用很重要：

CreatePDF 函数（与https://github.com/chrisglass/xhtml2pdf/blob/master/xhtml2pdf/pisa.py 中的pisaDocument 方法相同）有一个path 命名参数。现在，如果您不设置此参数并使用相对路径，那么它将尝试在名为 __dummy__ 的文件夹下查找您的字体，如文件 https://github.com/chrisglass/xhtml2pdf/blob/master/xhtml2pdf/context.py 所示（搜索 dummy)。

所以，这就是为什么您的.ttf 文件仅在您使用绝对路径时有效。

要解决此问题，您可以：

创建一个__dummy__ 文件夹并将您的.ttf 文件放在那里，或者
将值传递给CreatePDF 的path 命名参数

例如，在我的例子中，我通过 django 创建 PDF，所以我传递了 path='.' 并将我的 .ttf 放在与我的 manage.py 相同的文件夹中 - 一切正常美好的。更好的解决方案是定义 SETTINGS.PROJECT_PATH 并使用它。

【讨论】：

【解决方案3】：

从the documentation 看来，您应该给CreatePDF 一个编码，否则“这是由HTML5 解析器猜到的”。

因此，假设 HTML 文件的标题指定了用于梵文的任何旧字符集。您在向我们展示的代码之前将其正确解码为 Unicode，然后将其重新编码为 UTF-8，但标头指定了不同的字符集。在这种情况下，html5lib 会猜测错误的字符集，并错误地解释字符并为您提供 mojibake。

当然，如果没有完整的示例，我无法确定这正是您所面临的问题，但很可能类似。最可能的解决方案对它们中的任何一个都是相同的：如果您编码为 UTF-8，请告诉转换器使用 UTF-8 而不是猜测：

pisaStatus = pisa.CreatePDF(
    StringIO(sourceHtml.encode('utf-8')),                 
    dest=resultFile,
    encoding='utf-8')

【讨论】：

【解决方案4】：

使用 xhtml2pdf 和 pisa 将 html 转换为 pdf 时，我的 pdf 中有一个黑框字符。原来我在文档中有一个 BOM（字节顺序标记）字符。

可以通过在大多数文本编辑器中执行“另存为”来删除 BOM。在 UltraEdit 中，我选择了另存为...并选择了 UTF-8 (NO BOM) 类型。

见： How do I remove the BOM character from my xml file

【讨论】：

根据问题作者的问题，所有 Unicode 字符都失败了。不仅仅是第一个字符。