Docverter在markdown上丢失utf-8编码 - > pdf

Question

当我尝试使用Docverter（通过API）将utf-8编码的markdown文件转换为pdf时，我只丢失了非ASCII字符。

任何解决方案？

我想转换.md - > .pdf。也许Docverter可以帮助.md - > .html，然后我可以使用一些其他库/服务为.html - > .pdf？

Answer 1

更新（14/10/2013）

问题与Docverter is now solved布尔选项，所以你现在可以直接转换从md到pdf，传递选项ascii=true到Docverter。这会导致中间HTML使用实体而不是utf-8，因此生成的pdf可以。

原来的答复

大量的调查研究后，（我也有同样的问题），我发现的bug是由Docverter作出的HTML的“PDF转换，它采用飞碟库。即使字符集在meta标记中正确设置为utf-8，此转换也会忽略HTML输入中的任何非ASCII字符。

但是，如果HTML包含实体，如ó等，然后飞碟确实包括那些字符，并且假定其具有正确的编码（库所使用默认字体是细），则适当的炭的字体（ó在这个例子）显示在最终的pdf中。

所以我结束了以下方法：

1. 使用Docverter转换.md - 生成的html使用HTML实体，而不是UTF-8
2. 使用Docverter的>html
3. 过程再次转换.html - >.pdf

第2步很容易，如果你碰巧使用蟒蛇。在这种情况下，下面的线达到目的：

def fixHTML(filename): 
    f = open(filename, "r") 
    content = unicode(f.read(), "utf-8") # Reads the file into a unicode string 
    f.close() 
    f = open(filename, "w") 
    f.write(content.encode("ascii", "xmlcharrrefreplace")) # Writes with the fixed encoding 

注：不应该要求这样旋绕的方式，因为pandoc接受这迫使如在步骤2中获得。然而所述一个它以产生HTML开关--ascii ，Docverter解析器用于布尔选项seems to be broken，所以不可能将选项ascii传递给Docverter。