Reportlab 和 pdfrw 在 python3 中出现 matplotlib imshow() 错误

Question

我最近将一些在 python2 中工作的代码更新为 python3，并在使用 reportlab 与 pdfrw 和 matplotlib imshow() 结合使用时遇到错误。

有人可以在 py3 中重现这个错误吗？我也不确定这是reportlab问题还是pdfrw问题。

import numpy as np
import matplotlib.pyplot as plt
from pdfrw import PdfReader
from pdfrw.buildxobj import pagexobj
from pdfrw.toreportlab import makerl
from reportlab.lib.pagesizes import A4
from reportlab.pdfgen import canvas

fig = plt.figure(figsize=(5,5))
plt.imshow(np.random.rand(10,10))
plt.savefig('Imshow.pdf')

MyReport = canvas.Canvas('foo.pdf', pagesize=A4)
pages = PdfReader('Imshow.pdf').pages
page = pagexobj(pages[0])
MyReport.saveState()
MyReport.doForm(makerl(MyReport, page))
MyReport.restoreState()
MyReport.save()

错误显示

UnicodeEncodeError: 'charmap' codec can't encode character '\x1f' in position 6: character maps to <undefined>

系统： Windows 10， Python 3.9， pdfrw 0.4, 报告实验室 3.6.8,

Answer 1

问题在于 pdfrw 处理字符串与字节的方式。

pdfrw.PdfReader 使用 Latin-1 编码加载整个源 PDF。所有 256 个可能的字节值在 Latin-1 中都是有意义的，因此将加载 matplotlib 图像中的所有二进制数据。但这会产生垃圾unicode，而reportlab在重新编码时遇到问题（因为它不使用Latin-1）。

解决方案是找到真正应该是二进制的数据，并将其作为正确编码的 bytes 而不是 str 传递给 reportlab。您需要破解 pdfrw/toreportlab.py 第 108 行的函数 _makestr。

旧的原始代码（包括 TODO 标签！）：

def _makestr(rldoc, pdfobj):
    assert isinstance(pdfobj, (float, int, str)), repr(pdfobj)
    # TODO: Add fix for float like in pdfwriter
    return str(getattr(pdfobj, 'encoded', None) or pdfobj)

新：

def _makestr(rldoc, pdfobj):
    assert isinstance(pdfobj, (float, int, str)), repr(pdfobj)
    # TODO: Add fix for float like in pdfwriter
    value = str(getattr(pdfobj, 'encoded', None) or pdfobj)
    try:
        value.encode("ascii")  # Don't return this, it is just a test.
    except UnicodeEncodeError:
        value = value.encode("Latin-1")
    return value

任何无法表示为 ASCII 的内容都使用原始的 Latin-1 编码进行编码，并以 字节 形式发送到 reportlab。

根据我的测试，这似乎不会影响图中的非 ASCII 字符串（例如轴标签）。我猜他们在 pdfrw 代码中采用了不同的方式 - 但我不知道！

pdfrw 作为一个项目似乎已经死了，自 2017 年以来没有任何版本。如果有人看到这个并知道如何为该项目贡献补丁，请随意（或让我知道）。

Answer 2

阿伦·洛克谢谢。有用！！

def _makestr(rldoc, pdfobj):

# --------- Original Code --------------------
# assert isinstance(pdfobj, (float, int, str)), repr(pdfobj)
# # TODO: Add fix for float like in pdfwriter
# return str(getattr(pdfobj, 'encoded', None) or pdfobj)

# --------- New Code --------------------
assert isinstance(pdfobj, (float, int, str)), repr(pdfobj)
# TODO: Add fix for float like in pdfwriter
value = str(getattr(pdfobj, 'encoded', None) or pdfobj)
try:
    value.encode("ascii")  # Don't return this, it is just a test.
except UnicodeEncodeError:
    value = value.encode("Latin-1")
return value