[问题]wkhtmltopdf转换网页中文乱码问题解决方案

本文主要是介绍[问题]wkhtmltopdf转换网页中文乱码问题解决方案，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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，通过搜索引擎寻找答案的时候，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：

http://code.google.com/p/wkhtmltopdf/issues/detail?id=436&q=gb2312

http://code.google.com/p/wkhtmltopdf/issues/detail?id=782&q=gb2312

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( "http://aiilive.blog.51cto.com/1925756/1332579" ); 
          HttpURLConnection conn = (HttpURLConnection) url.openConnection(); 
          conn.setRequestMethod( "GET" ); 
          conn.connect(); 
          if  (conn.getResponseCode() == HttpURLConnection.HTTP_OK) { 
              BufferedInputStream bi =  new  BufferedInputStream( 
                      conn.getInputStream()); 
              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，很多服务器在没有找到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！

本文转自 secondriver 51CTO博客，原文链接：http://blog.51cto.com/aiilive/1340243，如需转载请自行联系原作者

这篇关于[问题]wkhtmltopdf转换网页中文乱码问题解决方案的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！