零基础使用FPDF生成PDF遭遇字符编码异常问题求助

错误原因 #

你碰到的FPDFUnicodeEncodingException是因为当前使用的字体（helvetica/Arial）不支持爬取文本里的特殊Unicode字符（比如示例中的’）。FPDF默认字体仅覆盖ASCII字符集，没法处理网页爬取的各种特殊符号（弯引号、长横线、非英文字符等）。

解决方案 #

方案1：加载支持Unicode的字体（推荐） #

FPDF允许加载外部TrueType/OpenType字体，这类字体基本覆盖所有Unicode字符，步骤如下：

1. 准备字体文件
   系统自带的DejaVu Sans、Noto Sans都是不错的选择，它们支持几乎所有Unicode字符。找到系统字体目录（Windows：C:\Windows\Fonts；Linux：/usr/share/fonts；macOS：/Library/Fonts），复制对应的.ttf文件到你项目里新建的fonts文件夹中，比如：

   • DejaVuSans.ttf（普通样式）
   • DejaVuSans-Bold.ttf（粗体）

2. 在代码中加载字体
   初始化FPDF对象后，添加字体加载代码：

   pdf = FPDF()
   # 加载Unicode字体，uni=True表示启用Unicode支持
   pdf.add_font("DejaVuSans", "", "fonts/DejaVuSans.ttf", uni=True)
   pdf.add_font("DejaVuSans", "B", "fonts/DejaVuSans-Bold.ttf", uni=True)
   

3. 替换代码中的字体引用
   把所有pdf.set_font里的字体名从Arial改成DejaVuSans，比如：

   # 原代码：pdf.set_font("Arial", "U", 30)
   pdf.set_font("DejaVuSans", "U", 30)
   # 原代码：pdf.set_font("Arial", "B", 20)
   pdf.set_font("DejaVuSans", "B", 20)
   # 原代码：pdf.set_font("Arial", size=16)
   pdf.set_font("DejaVuSans", size=16)
   

方案2：预处理文本替换/过滤特殊字符（应急用） #

如果暂时没法加载外部字体，可以先清理爬取的文本，把不支持的字符换成ASCII等价字符，或者直接移除：

1. 写个文本清理函数

   def clean_text(text):
       # 替换常见特殊字符为ASCII版本
       char_map = {
           "’": "'",
           "‘": "'",
           "“": '"',
           "”": '"',
           "—": "-",
           "–": "-"
       }
       for old_char, new_char in char_map.items():
           text = text.replace(old_char, new_char)
       # 可选：移除所有ASCII以外的字符
       text = text.encode("ascii", errors="ignore").decode("ascii")
       return text
   

2. 在代码中应用清理
   使用文本的地方都先调用clean_text：

   # 目录章节名
   chapter_name = f"Chapter {chapter_dot_part[title_index]}: {clean_text(titles[title_index])}\n"
   # 章节标题
   pdf.write(txt=clean_text(titles[chapter]) + "\n\n")
   # 正文内容
   pdf.write(txt=clean_text(line.text) + "\n")
   

修正后的完整代码（方案1） #

import os
from fpdf import FPDF

async def generate_pdf(data, indices, name, cover, path, list_ch=True):
    # 简化文件名生成逻辑
    file_name = f"{name}({indices[0]+1}-{indices[1]}).pdf" if list_ch else f"{name}.pdf"
    output_path = os.path.join(path, file_name)
    doc_name = data.title
    titles = data.df["Title"].iloc[indices[0]:indices[1]]
    chapter_content = data.df["Content"].iloc[indices[0]:indices[1]]
    chapter_dot_part = [f"{data.df.at[index, 'Chapter']}.{data.df.at[index, 'Part']}" 
                        for index in range(indices[0], indices[1])]

    pdf = FPDF()
    # 加载Unicode字体
    pdf.add_font("DejaVuSans", "", "fonts/DejaVuSans.ttf", uni=True)
    pdf.add_font("DejaVuSans", "B", "fonts/DejaVuSans-Bold.ttf", uni=True)

    pdf.add_page("P", "A3")
    pdf.image(cover, 0, 0, w=297, h=420)

    pdf.add_page("P", "A3")
    pdf.set_xy(143, 0)
    pdf.set_font("DejaVuSans", "U", 30)
    pdf.write(txt=f"{doc_name}\n\n")
    pdf.set_font("DejaVuSans", "B", 20)
    pdf.write(txt="Table of contents\n\n")
    for title_index in range(len(titles)):
        chapter_name = f"Chapter {chapter_dot_part[title_index]}: {titles[title_index]}\n"
        pdf.write(txt=chapter_name)

    for chapter in range(len(chapter_content)):
        pdf.add_page("P", "A3")
        pdf.set_xy(0, 0)
        pdf.set_font("DejaVuSans", "U", 23)
        pdf.write(txt=f"{titles[chapter]}\n\n")
        pdf.set_font("DejaVuSans", size=16)
        for line in chapter_content[chapter].find_all("p"):
            pdf.write(txt=f"{line.text}\n")

    pdf.output(output_path)

注：原代码里chapter_dot_part是列表，循环时直接用chapter_dot_part会把整个列表拼进字符串，已经修正为chapter_dot_part[title_index]。

内容的提问来源于stack exchange，提问作者Renni Stewart