[问题]wkhtmltopdf转换⽹页中⽂乱码问题解决⽅案
wktmltopdf⼯具是使⽤Webkit引擎来将HTML⽹页转换为PDF⽂件，关于wkhtmltopdf⼯具的相关信息可以参见：
我在使⽤的过程中遇到有的⽹页是中⽂是乱码，有的⽹页中⽂是正常显⽰的，通过搜索引擎寻答案的时候，发现还有⼈遇到中午呢是空⽩的，没有显⽰。
在该开源项⽬的问题解答中有作者给出的⼀些回复：
这些问题主要是基于Linux环境下中⽂字体没有安装所造成的，⽽我遇到的问题是中⽂可以显⽰，却是乱码，于是关于这个问题我做了⼏个⽅⾯的测试：
1.中⽂字体问题
2.⽹页编码
<meta http-equiv="content-type" content="text/html;charset=utf-8">
3.⽂件编码
测试⼀：（百度⾸页⽹页的charset=utf-8）
可以看出中⽂正常的。
测试⼆(51cto博客⽹页的charset=gb2312)：
可以看出，⽹页内容编码格式为：gb2312的中⽂没法显⽰。
测试三：
查看⽹页中使⽤到的字体：
通过与本地计算机的字体对⽐，排除了这⼀可能。其实，转换后的PDF⽂件中⽂能够显⽰，虽然是乱码，也能够排除字体出的问题。
测试四：
由于考虑到wkhtmltopdf使⽤到webkit引擎，第⼆中测试遇到⽹页内容编码格式为：gb2312的造成中⽂⽆法显⽰，于是使⽤程序将⽹页抓取下进⾏转化。
@Test
public void test2() throws IOException {
URL url = new URL("aiilive.blog.51cto/1925756/1332579");
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
url编码处理conn.setRequestMethod("GET");
if (ResponseCode() == HttpURLConnection.HTTP_OK) {
BufferedInputStream bi = new BufferedInputStream(
BufferedOutputStream bo = new BufferedOutputStream(
new FileOutputStream(new File("D:\\1332579.html")));
byte[] bts = new byte[1024];
int len = bi.read(bts);
while (len != -1) {
bo.write(bts, 0, len);
len = bi.read(bts);
}
bi.close();
bo.close();
System.out.println("create ok");
}
}
通过本地转化，并使⽹页内容中的：charset=utf-8，然后进⾏转换，这么做的原因是既然使⽤了webkit引擎正好charset=utf-8是给浏览器看的，所以就这么⽤了。
上述的测试还是失败的。
在官⽅的指南中说明可以指定编码格式：--encoding 编码格式 ；经过测试是不⾏的，这样的问题⽹上有好多⼈遇到，也有好多⼈没有遇到，却把⽹页很正常的转成功了，多数是编码上使⽤UTF-8巧合⽽已。
测试五：
将抓取下来的⽹页⽂件进⾏处理：
1.⽂件编码utf-8；charset=utf-8； 结果：中⽂正常
2.⽂件编码utf-8；charset=gb2312； 结果：中⽂正常
3.⽂件编码Ansi; charset=gb2312 ； 结果：中⽂乱码
实验做到这，可以看出问题所在，wkhtmltopdf转换html⽂件的时候，这个html⽂件来源可能是⼀个url，也可能就是本地的⼀个⽂本⽂件，从测试⼀中百度⾸页中⽂正常显⽰和测试⼆51cto博客中⽂不能够正常显⽰，再从测试五中看出，wkhtmltopdf转换⼯作的时候，--encoding参数实际上指的是⽂件存储的编码格式。
所以通过URL从服务器端请求⽽来的⽹页编码⽂件格式不能确定时后，会使⽤⽂件内容编码格式输出，所以得出chartset=utf8和charset=gb2312通过url请求，中⽂前者可以显⽰，后者不能。
PS：Jsp页⾯编码解释：
1.pageEncoding="UTF-8" 是指JSP页⾯保存时使⽤的编码⽅式，也就是JSP⽂件保存在硬盘上所使⽤的编码⽅式
2.charset="UTF-8" 是指JSP页⾯输⼊输出使⽤的编码⽅式，很多服务器在没有到pageEncoding时，有charset代替pageEncoding。
我在测试我们⾃家的⽹站的时候就没有遇到wkhtmltopdf中⽂乱码问题，我们的JSP页⾯格式和内容输出编码格式是统⼀的，并且都是UTF－８。
PPS：Web开发编码问题⼀直依赖就像头⽪屑⼀样困扰⼈们，团队开发关于⽂件编码格式做到统⼀，受益是⽆穷的！
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论