ASCII以外の文字でpdfを生成しようとするとUnicodeのデコードエラーが発生する

htmlから非ASCII文字を含むpdfを作成しようとするとエラーが発生するソフトウェアがあります。私は問題を再現し、何が起こっているのか理解するのを助けるもっと簡単なプログラムを作成しました。ASCII以外の文字でpdfを生成しようとするとUnicodeのデコードエラーが発生する

でこのプログラムの結果を実行

#!/usr/bin/python 
#coding=utf8 
from __future__ import unicode_literals 
import pdfkit 
from pyPdf import PdfFileWriter, PdfFileReader 
f = open('test.html','r') 
html = f.read() 
print html 
pdfkit.from_string(html, 'gen.pdf') 
f.close()

：私は、問題の文字を取り除くために置き換える文を追加しようとしたが、それはまた、エラーになった

<html> 
<body> 
<h1>ر</h1> 
</body> 
</html> 

Traceback (most recent call last): 
    File "./testerror.py", line 10, in <module> 
    pdfkit.from_string(html, 'gen.pdf') 
    File "/usr/local/lib/python2.7/dist-packages/pdfkit/api.py", line 72, in from_string 
    return r.to_pdf(output_path) 
    File "/usr/local/lib/python2.7/dist-packages/pdfkit/pdfkit.py", line 136, in to_pdf 
    input = self.source.to_s().encode('utf-8') 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xd8 in position 18: ordinal not in range(128)

：

Traceback (most recent call last): 
    File "./testerror.py", line 9, in <module> 
    html = html.replace('ر','-') 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xd8 in position 18: ordinal not in range(128)

私は怖いです私はascii/utf-8エンコーディングがうまく理解できません。もし誰かが私がここで何が起こっているのか理解するのを助けることができれば、それは素晴らしいだろう！これは、PDFライブラリで問題となっている、またはこれはpdfkitソースコードを読むエンコーディング:)

出典

2017-05-15 Daniel

「私は、私は非常によく、ASCII/UTF-8エンコーディングを理解していない怖い」=>その後、最初にこれを読む：http://kunststube.net/encoding/リンクの –

感謝を。私はそれを読んだ。しかし、私はまだこの特定の状況にいくつかの助けに感謝します。 – Daniel

あなたのtest.htmlファイルはどのようなエンコーディングですか？明らかにpdfkitはUnicode文字列を期待しているので、pdfkitに渡す前にそれを解読するのはあなたの義務です。 –

の私の無知の結果であるならば、pdfkit.from_stringは、最初の引数がunicodeないstrことを期待していること表示された場合、私は、わかりませんhtmlを適切にデコードするのはあなた次第です。これを行うには、test.htmlファイルのエンコーディングを知っている必要があります。あなたはあなただけ続行する持っていることを知っていたら：

with open('test.html') as f: 
    html = f.read().decode('<your-encoding-name-here>) 
pdfkit.from_string(html, 'gen.pdf')

をstr.decode(<encoding>)がunicode文字列を返すとunicode.encode(<encoding>)ことに注意してくださいは、バイト文字列にUnicodeからunicodeにバイト列からバイト文字列、IOWあなたdecodeを返却しますencodeます。サイドノートとして

import codecs 
with codecs.open('test.html', encoding=<your-encoding-name-here>) as f: 
    html = f.read() # `codecs` while do the decoding behind the scene

：

読み取り（codecs用のバイナリを読んでそれは実装の詳細ですあなたの場合

は、明示的なデコーディング、すなわちcodecs.open(path, mode, encoding)代わりのfile.open() +を使用することができます）は、ファイルを開くときのデフォルトモードです。指定する必要はありません。
ファイルを使用中コンテキストマネージャ（with open(path) as f: ...）がファイルが適切に閉じられるようにします。 fileオブジェクトが収集されると、CPythonは通常開かれたファイルを閉じますが、これは実装の詳細であり、ではありません。は言語で保証されていますので、それに頼らないでください。

出典

2017-05-16 09:06:30

ASCII以外の文字でpdfを生成しようとするとUnicodeのデコードエラーが発生する

答えて

関連する問題