Python中会采用pdf2image函数还实现pdf图像转为jpg等格式的image。
在实际使用中,发现在docker镜像中原始pdf图像转换的过程中部分文字变成了口口口情况。
通过pdf2image函数之后得到的图片如下:
df2image内部会调用当前环境的字体目录中的字体集合,如果找不到对应的字体则会显示口口口。
解决思路:
确定是字体原因导致的,那么就需要去寻找能够使用的字体。
本次是在docker容器中运行pdf2image出现了这个问题,但是在主机运行没有这个问题,其次主机可以正常查看pdf文件,这说明本机系统上必然支持pdf对应字体的显示。因此只要找到本机的对应字体即可。
本机是linux的ubuntu环境。采用指令
apt-get fontconfig
fc-list #查看本机安装的字体
一般字体都可以放在/usr/share/fonts中。如果不确定的话,需要通过vim /etc/share/fonts.conf
这个指令查看字体放置的文件夹。
直接将字体文件复制到容器内对应的/usr/share/fonts即可使用,如果需要容器中的字体,也可以直接删除文件夹中的对应字体。
(看到其他博客提示说,加载字体需要使用fc-cache -fv
指令,删除之后需要执行fc-cache -fv
,我实际 测试发现不需要这两个指令也可以加载和删除模型。)
最终确定是因为缺少/usr/share/fonts/truetype/arphic/ukai.ttc和uming.ttc这两个字体导致的。