WeasyPrint 项目在 macOS 上 Cairo 库加载问题的解决方案
问题背景
在 macOS 系统上使用 WeasyPrint 51 版本生成 PDF 时,可能会遇到 OSError: no library called "cairo-2" was found 的错误。这个问题通常出现在较新的 macOS 系统(如 Sonoma 14.6)上,特别是当使用较旧版本的 Python(如 3.7)和 WeasyPrint 时。
问题分析
WeasyPrint 是一个将 HTML/CSS 转换为 PDF 的工具,它依赖于 Cairo 图形库来渲染页面。在 macOS 上,Cairo 库的加载路径可能会因为系统更新或安装方式的不同而出现问题。
从错误信息可以看出,系统在多个路径中尝试查找以下库文件但均未成功:
- libcairo.so.2
- libcairo.2.dylib
- libcairo-2.dll
解决方案
1. 确认 Cairo 库安装
首先需要确认 Cairo 库是否正确安装。在 macOS 上,可以通过 MacPorts 安装:
sudo port install cairo
安装后,Cairo 库通常位于 /opt/local/lib 目录下。
2. 设置环境变量
为了让 Python 能够找到 Cairo 库,需要设置正确的环境变量。最有效的方法是设置 DYLD_FALLBACK_LIBRARY_PATH:
export DYLD_FALLBACK_LIBRARY_PATH="/opt/local/lib"
这个环境变量告诉系统在哪些额外路径中查找动态链接库。
3. 验证设置
设置环境变量后,可以通过以下命令验证 WeasyPrint 是否能正确识别 Cairo 库:
DYLD_FALLBACK_LIBRARY_PATH="/opt/local/lib" /path/to/your/python -m weasyprint --info
如果设置正确,这个命令应该能正常执行并显示 WeasyPrint 的相关信息。
注意事项
-
Python 版本问题:WeasyPrint 51 版本发布于 2019 年,对 Python 3.7 的支持可能不完善。建议尽可能升级到更新的 Python 和 WeasyPrint 版本。
-
环境变量作用域:确保环境变量设置在与运行应用程序相同的 shell 会话中。如果通过 IDE 或其他方式运行程序,可能需要在这些环境中单独设置。
-
安装方式选择:虽然 MacPorts 可以安装 Cairo,但也可以考虑使用 Homebrew 或其他包管理工具,根据项目需求选择最适合的安装方式。
-
ARM64 架构兼容性:在 M1/M2/M3 芯片的 Mac 上,还需要确保安装的 Cairo 库是 ARM64 架构兼容的版本。
总结
解决 WeasyPrint 在 macOS 上找不到 Cairo 库的问题,关键在于确保:
- Cairo 库已正确安装
- 系统能够通过环境变量找到库文件
- 环境变量在正确的上下文中生效
通过合理设置 DYLD_FALLBACK_LIBRARY_PATH 环境变量,大多数情况下可以解决这个问题。对于长期项目,建议考虑升级到更新的 Python 和 WeasyPrint 版本,以获得更好的兼容性和功能支持。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00