使用pypdf填充PDF时特殊字符显示异常求助

问题场景 #

使用pypdf填充PDF表单时，常规内容显示正常，但包含德语特殊字符（ü、ö、ä、ß）的内容出现显示异常，代码示例如下：

from pypdf import PdfReader, PdfWriter

data = {"ChildName": "Gülcan Özcan", "DateOfBirth": "1.1.11"}  # Demo Name
reader = PdfReader("tmp/Antrag.pdf")
writer = PdfWriter()

writer.append(reader)
writer.update_page_form_field_values(writer.pages[0], data)
writer.update_page_form_field_values(writer.pages[1], data)
with open("Antrag_output.pdf", "wb") as output_stream:
    writer.write(output_stream)

解决思路与方案 #

1. 检查并修改原PDF表单的字体设置 #

异常核心原因通常是原PDF表单字段使用的字体不支持德语特殊字符（比如部分精简版Helvetica字体）：

• 用Adobe Acrobat、LibreOffice Draw等工具打开原PDFAntrag.pdf
• 定位对应表单字段，修改其字体为支持Unicode或Latin-1扩展字符集的字体（比如Arial Unicode MS、Times New Roman、ArialMT）
• 保存修改后的PDF再用原代码填充，大概率能解决问题

2. 手动指定字段的编码与字体（针对pypdf底层处理） #

如果无法修改原PDF，可以通过手动修改表单字段属性，强制使用支持德语字符的字体和正确编码：

from pypdf import PdfReader, PdfWriter
from pypdf.generic import NameObject, TextStringObject

data = {"ChildName": "Gülcan Özcan", "DateOfBirth": "1.1.11"}
reader = PdfReader("tmp/Antrag.pdf")
writer = PdfWriter()
writer.append(reader)

# 通用字段处理函数
def update_form_field(page, field_name, value, font_spec="/ArialMT 12 Tf 0 g"):
    if "/Annots" not in page:
        return
    for annot in page["/Annots"]:
        annot_obj = annot.get_object()
        if annot_obj.get("/T") == field_name:
            annot_obj[NameObject("/V")] = TextStringObject(value)
            annot_obj[NameObject("/DA")] = TextStringObject(font_spec)

# 处理第一页字段
for field, val in data.items():
    update_form_field(writer.pages[0], field, val)

# 处理第二页字段
for field, val in data.items():
    update_form_field(writer.pages[1], field, val)

with open("Antrag_output.pdf", "wb") as output_stream:
    writer.write(output_stream)

注意：/ArialMT是PDF内部的字体名称，不同PDF可能有差异，可通过PDF查看工具确认可用字体。

3. 升级pypdf到最新版本 #

旧版pypdf存在非ASCII字符处理bug，执行以下命令升级到最新稳定版：

pip install --upgrade pypdf

升级后再测试原代码，新版本可能已修复编码适配问题。

4. 尝试替代库 #

如果上述方法无效，可换用pdfrw库，它对表单字段的Unicode字符支持更友好：

import pdfrw

# 定义PDF表单相关常量
ANNOT_KEY = '/Annots'
ANNOT_FIELD_KEY = '/T'
ANNOT_VAL_KEY = '/V'
SUBTYPE_KEY = '/Subtype'
WIDGET_SUBTYPE_KEY = '/Widget'

data = {"ChildName": "Gülcan Özcan", "DateOfBirth": "1.1.11"}
template_pdf = pdfrw.PdfReader("tmp/Antrag.pdf")
# 强制生成外观，确保字符显示正常
template_pdf.Root.AcroForm.update(pdfrw.PdfDict(NeedAppearances=pdfrw.PdfObject('true')))

for page in template_pdf.pages:
    if ANNOT_KEY in page:
        for annot in page[ANNOT_KEY]:
            if annot[SUBTYPE_KEY] == WIDGET_SUBTYPE_KEY:
                field_name = annot[ANNOT_FIELD_KEY]
                if field_name in data:
                    annot.update(pdfrw.PdfDict(V=data[field_name]))
                    annot.update(pdfrw.PdfDict(AP=''))

pdfrw.PdfWriter().write("Antrag_output.pdf", template_pdf)

使用前需先安装pdfrw：

pip install pdfrw

内容的提问来源于stack exchange，提问作者KTSB