格式转化工具集之pdfkit错误

我就是我 2022-11-30 01:25 253阅读 0赞

### 格式转化工具集之pdfkit错误： raise IOError("wkhtmltopdf exited with non-zero code \{0\}. error:\\n\{1\}" ###

*  一、报错
 *  三、解决过程
 *   *  （一）url
     *  （二）pdfkit版本
     *  （三）契机

# 一、报错 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B5dGhvbl9fcmVwb3J0ZWQ_size_16_color_FFFFFF_t_70_pic_center]

代码：

OSError: wkhtmltopdf exited with non-zero code 1. error:

这是一个不明原因的报错

二、解决方法

最终发现这源于转换的pdf文件名中不能有特殊字符

转换代码：

inport pdfkit
    pdfkit.from_url(url, file)

是指这个file不能有特殊字符  
如file为：

讲座报道 | 王燕玲:《认罪认罚从宽制度下智能精准量刑的理论与实践》.pdf

时就会报错  
使得输出的pdf文件名没有特殊字符，通过正则提取中文即可

title = "".join(re.findall(r'[\u4e00-\u9fa5]+',artical["article"]["title"]))

这个title就是文件名

完整代码：这是我对搜狗微信文章所作的url转pdf保存，前期已经获取url并保存到txt中了

import os,glob
    import pprint
    import re
    
    import pdfkit
    import json
    from tqdm import tqdm
    
    def url_to_pdf():
     for i in tqdm(glob.glob(os.path.join(r"J:\PyCharm项目\package_test_\搜狗文章爬虫\artical", "*"))):
        with open(i, "r")as f:
            artical = json.load(f)
            # print(artical)
            url = artical["article"]["url"]
    
            title = "".join(re.findall(r'[\u4e00-\u9fa5]+',artical["article"]["title"]))
            print(title,type(title))
            print(url)
            if url:
                path = os.path.dirname(__file__) + "\\pdf文章"
                if not os.path.exists(path):
                    os.makedirs(path)
                file =  path+r"\\{}.pdf".format(title)
                print(file)
                pdfkit.from_url(url, file)
    url_to_pdf()

# 三、解决过程 #

## （一）url ##

我首先怀疑是url格式的问题  
因为url是这样的，中间有个\*  
![在这里插入图片描述][20200822144713723.png_pic_center]  
这是一个完整的url,但是\*后面的不能和前面一样成蓝色，是否是格式出了问题

于是通过requests测试，结果没有问题

## （二）pdfkit版本 ##

于是我就怀疑是不是pdfkit版本的问题，因为pdfkit已经是2017年的了，长期没有更新，但是wkhtmltopdf 一直在更新，于是怀疑是不是版本不匹配，结果换了版本也是一样。

## （三）契机 ##

在作wkhtmltopdf 测试时将file 命名为1.pdf结果同样的url竟然可以转换，于是是文件名的可能性就大了，接着便通过replace对文件名进行清洗，发现是其中的"|"符号导致的，继续进行后续的pdf转换，继续报错，按照上述步骤继续替换发现特殊"导致的  
于是最终得出结论，这是特殊符号导致的问题，通过正则表达式进行中文匹配后输出文件名就成功了  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B5dGhvbl9fcmVwb3J0ZWQ_size_16_color_FFFFFF_t_70_pic_center 1]  
![在这里插入图片描述][20200822145451967.png_pic_center]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B5dGhvbl9fcmVwb3J0ZWQ_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/0985095c6a8d41248db7d4262a2a07c7.png
[20200822144713723.png_pic_center]: /images/20221124/ccda50d2fdbd4bb090a1608cc7340811.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B5dGhvbl9fcmVwb3J0ZWQ_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221124/3cdb469a1b914653b5cb07ededae558e.png
[20200822145451967.png_pic_center]: /images/20221124/1d585e41f8b046659051e42dbec330a0.png