前言

Windows中JAVA使用wkhtmltox工具转换HTML为PDF过程中出现了乱码，本文详细解释我遇见的乱码问题以及解决方法

⚠️：此片文章基于Windows操作系统

相关文章（本文与这两篇有密切关系）：

一、乱码错误

1、错误目标网址

https://12366.chinatax.gov.cn/bsznBLH/print?bh=8d74c639bf954fd988c872ae548612df

2、错误说明

👇转换的PDF文件里的表格中部分字体乱码，乱码字体属于黑体

3、错误截图

pic_4

二、乱码解决方法

原因分析

在macOS操作系统中的wkhtmltox工具转换的PDF文件并没有出现该字体乱码问题，但Windows操作系统则是出现了以上问题（转图片无影响）；与java程序并无具体关系，因为在cmd黑窗口中运行该工具时转换的PDF文件就已经出现了该问题

第一次尝试：我尝试在别的最新版本的Windows系统中执行该工具转换，发现跟系统版本没有任何关系。
第二次尝试：我在网络上寻找解决办法中，大多数都是说字体缺失，但是我的电脑中不存在缺失黑体字体的问题，但就是这个表格中的黑体字出现了乱码错误，其它部分一切正常。
第三次尝试：我在想能不能通过java程序在每次转换之前将原网址的黑体字全部扫描且更换为别的字体，按照这个想法才最终解决了乱码问题（其实不算解决、但又解决了：如解具体看下面的方法跟解释吧）

1、自定义字体文件

解决这次乱码问题的方法就是引入自定义的CSS文件；通过改变原来网页代码中的字体样式，从而达到解决乱码问题的目的

css文件代码如下

<style>
    @font-face {
        font-family:myFont;
        src:url("C:\\Windows\\Fonts\\simhei.ttf");
        }

    .MsoNormal * {
        font-family:myFont !important;
        }
</style>

//创建一个css文件，将上面代码复制进去即可

@font-face：引入系统字体文件，可以引入多种字体

C:\Windows\Fonts\simhei.ttf：是windows系统黑体文字所在的位置

myFont：自定义的字体名称，切勿使用“黑体”，“宋体”等字样作为自定义名称，否则无效

.MsoNormal *：将MsoNormal类名下的所以字体改为黑体（需要更改别的类下的字体，也是这样）

2、在JAVA中引入自定义字体文件

引入自定义字体文件的路径

1
2

//由于wkhtmltox对于某些字体转换失效，需要引入的自定义css文件；文件位置可自定义，最好是放在项目中（对于是路径定义这里不细说，都是直接全路径引用）
private static final String FONT_URL = "C:/wkhtmltox/wkhtmltopdf/styleFont.css";

这次的修改代码以JAVA使用wkhtmltox工具生成PDF、图片文件一文中的代码为基础，转换为图片的方法无需修改

具体修改代码如下

/**
 * html转PDF
 *
 * @param htmlUrl 网页地址
 * @return 返回pdf保存地址
 */
public static void htmlToPdf(String htmlUrl) {
    //保存路径
    String pdfPath = FILE_PDF_PATH + FILE_NAME + ".pdf";
    //创建文件
    File file = new File(pdfPath);
    File parent = file.getParentFile();
    //如果pdf保存路径不存在，则创建路径
    if (!parent.exists()) {
        parent.mkdirs();
    }
    logger.info("----------------------- 开始html转pdf操作");
    StringBuilder cmd = new StringBuilder();
    cmd.append(WKHTMLTOX_PDF_PATH);
    cmd.append(" ");
    cmd.append("-B 0 -L 0 -R 0 -T 0 ");
    //开启本地文件访问
    cmd.append("--enable-local-file-access ");
    //设置每页参数（注意，数值后面需要加一个空格，如："10mm "）
    //cmd.append(" --encoding <UTF-8> ");//设置默认的字符编码
    //cmd.append(" --minimum-font-size 12 ");//设置最小字体大小 (default 5)
    cmd.append(" --margin-top 10mm ");//设置页面上边距 (default 10mm)cm
    cmd.append(" --margin-bottom 10mm ");//设置页面下边距 (default 10mm)cm
    cmd.append(" --margin-left 8mm ");//设置页面左边距 (default 10mm)cm
    cmd.append(" --margin-right 8mm ");//设置页面右边距 (default 10mm)cm
    cmd.append(" --page-offset 1 ");//设置起始页码 (default 1)
    cmd.append(" --page-size A4 ");//设置纸张大小: A4, Letter, etc.
    cmd.append(" --disable-javascript ");//禁用网页中的JavaScript功能
    cmd.append(" --debug-javascript ");//显示打印调试信息
    //当前操作系统为Windows时，才引入自定义样式
    if (OS.startsWith("Windows")) {
        cmd.append(" --user-style-sheet ").append(FONT_URL).append(" ");//引入自定义样式
    }
    cmd.append(HTML_URL).append(" ");
    cmd.append(pdfPath);
    try {
        Process proc = Runtime.getRuntime().exec(cmd.toString());
        HtmlToXInterceptor error = new HtmlToXInterceptor(proc.getErrorStream());
        HtmlToXInterceptor output = new HtmlToXInterceptor(proc.getInputStream());
        error.start();
        output.start();
        proc.waitFor();
        logger.info("----------------------- html转pdf成功：html路径：{} pdf保存路径：{}", htmlUrl, pdfPath);
    } catch (Exception e) {
        e.printStackTrace();
        logger.error("----------------------- html转pdf失败：html路径：{} pdf保存路径：{}", htmlUrl, pdfPath);
    } finally {
        logger.info("----------------------- 结束html转pdf操作");
    }
}

3、成功截图

经过引入css文件，转换后的文件便没有乱码问题了

pic_5

三、问题总结

虽然这样是解决了乱码的问题，但是并不是一个完全解决的办法（但程序跑起来没问题就行）

为什么说是没有完全解决？

我一开始在谷歌浏览器将网页保存到本地，然后将上面的css代码写入到保存在本地的html文件中，我发现确实能扫描到这个类名下的所有字符且更改为我设定的字体。

但是，这是在本地修改的，然而wkhtmltox工具是线上实时转换html为PDF的；因此无论我引入什么楷体、黑体、宋体或是其他字体，最终转换的PDF文件中的字体都是宋体。

因此，虽然在JAVA中引入字体文件能解决乱码，但是最终效果却不显示自定义的字体，而是显示宋体。

我猜测，大概率是因为在实时转换中，我引入的黑体字（内部样式）与原网页中定义的字体（行内样式）发生了冲突，然后系统自动选择了一个默认的字体（宋体），所以才达到解决乱码但字体没有按自定义显示的效果

前端知识的欠缺还是导致我无法完全解释这一问题，所以还是需要再研究、深入学习；但是出现此乱码问题在本片解决方法中也确实能实现不乱码的结果

最后