PyPDF2调用addJS添加中文注释时出现解码乱码问题求助

PyPDF2的addJS方法默认将传入的字符串以Latin-1编码写入PDF文件，而PDF内置的JavaScript引擎对双字节中文的识别要求使用带BOM的UTF-16BE编码，直接传入UTF-8格式的中文会被阅读器按Latin-1解析，就会出现你观察到的佀好类乱码。

方案1：使用JS Unicode转义序列替换中文 #

直接将JS代码中的中文替换为Unicode转义字符，完全规避编码冲突问题，改造成本最低。
修改后代码如下：

from PyPDF2 import PdfFileWriter, PdfFileReader
def Test():
    inputPDF = PdfFileReader('./demo/TESTPDFANNOTATION.pdf', "rb")    
    outputPDF = PdfFileWriter()
       
    pages = inputPDF.getNumPages()
    for p in range(pages):
        outputPDF.addPage(inputPDF.getPage(p))

    outputStream = open('./demo/TESTPDFANNOTATIONOUT.pdf', "wb")
    # 中文"你好"对应Unicode转义为\u4f60\u597d
    outputPDF.addJS("var annot = this.addAnnot({ \r \
                    page: 0, \r \
                    type: 'FreeText', \r \
                    contents: '\\u4f60\\u597d', \r \
                    textFont: 'csongl', \r \
                    textSize: 10, \r \
                    rect: [200, 300, 200+150, 300+3*12], \r \
                    width: 1, \r \
                    alignment: 1 \r \
                    });")
    outputPDF.write(outputStream)    
    outputStream.close()
    return "ok"

如果需要批量转换中文，可以用Python的str.encode('unicode-escape').decode()方法自动生成转义序列。

方案2：直接使用PyPDF2原生注释接口（更稳定） #

不通过JS注入的方式添加注释，直接调用PyPDF2原生的注释添加接口，编码可控性更高，代码示例如下：

from PyPDF2 import PdfWriter, PdfReader
from PyPDF2.generic import DictionaryObject, NameObject, StringObject, ArrayObject, NumberObject

def Test():
    reader = PdfReader('./demo/TESTPDFANNOTATION.pdf')
    writer = PdfWriter()

    for page in reader.pages:
        writer.add_page(page)
    
    # 构造FreeText注释对象
    annot = DictionaryObject()
    annot.update({
        NameObject("/Type"): NameObject("/Annot"),
        NameObject("/Subtype"): NameObject("/FreeText"),
        NameObject("/Contents"): StringObject("你好"),
        NameObject("/RC"): StringObject('<?xml version="1.0"?><body xmlns="http://www.w3.org/1999/xhtml" xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/" xfa:contentType="text/html" xfa:APIVersion="Acrobat:11.0.0"><p style="text-align:left; font-family:csongl; font-size:10pt">你好</p></body>'),
        NameObject("/Rect"): ArrayObject([NumberObject(200), NumberObject(300), NumberObject(350), NumberObject(336)]),
        NameObject("/F"): NumberObject(4),
        NameObject("/DA"): StringObject("/csongl 10 Tf 0 g"),
        NameObject("/Q"): NumberObject(1)
    })
    # 给第一页加注释
    writer.pages[0].annotations.append(annot)

    with open('./demo/TESTPDFANNOTATIONOUT.pdf', "wb") as outputStream:
        writer.write(outputStream)
    return "ok"

• 首先升级PyPDF2到最新版本，旧版本存在已知的中文编码处理bug，升级命令：pip install --upgrade PyPDF2
• 确保使用的PDF阅读器已内置或安装了注释指定的csongl字体，避免字体缺失导致的显示异常

内容的提问来源于stack exchange，提问作者Stanley