1.安装wkhtmltopdf

Windows平台直接在 http://wkhtmltopdf.org/downloads.html 下载稳定版的 wkhtmltopdf 进行安装，安装完成之后把该程序的执行路径加入到系统环境 $PATH 变量中，否则 pdfkit 找不到 wkhtmltopdf 就出现错误 “No wkhtmltopdf executable found”

2.安装pdfkit

直接pip install pdfkit

pdfkit 是 wkhtmltopdf 的Python封装包

  1.  import pdfkit
  2.  
  3.  # 有下面3中途径生产pdf
  4.  
  5.  pdfkit.from_url('http://google.com', 'out.pdf')
  6.  
  7.  pdfkit.from_file('test.html', 'out.pdf')
  8.  
  9.  pdfkit.from_string('Hello!', 'out.pdf')

3.合并pdf，使用PyPDF2

直接pip install PyPDF2

  1.  from PyPDF2 import PdfFileMerger
  2.  merger = PdfFileMerger()
  3.  input1 = open("1.pdf", "rb")
  4.  input2 = open("2.pdf", "rb")
  5.  merger.append(input1)
  6.  merger.append(input2)
  7.  # 写入到输出pdf文档中
  8.  output = open("hql_all.pdf", "wb")
  9.  merger.write(output)

4.综合示例：

  1.  # coding=utf-8
  2.  import os
  3.  import re
  4.  import time
  5.  import logging
  6.  import pdfkit
  7.  import requests
  8.  from bs4 import BeautifulSoup
  9.  from PyPDF2 import PdfFileMerger  
  10.  
  11.  html_template = """
  12.  <!DOCTYPE html>
  13.  <html lang="en">
  14.  <head>
  15.      <meta charset="UTF-8">
  16.  </head>
  17.  <body>
  18.  {content}
  19.  </body>
  20.  </html> 
  21.  
  22.  """  
  23.  
  24.  def parse_url_to_html(url, name):
  25.      """
  26.      解析URL，返回HTML内容
  27.      :param url:解析的url
  28.      :param name: 保存的html文件名
  29.      :return: html
  30.      """
  31.      try:
  32.          response = requests.get(url)
  33.          soup = BeautifulSoup(response.content, 'html.parser')
  34.          # 正文
  35.          body = soup.find_all(class_="x-wiki-content")[0]
  36.          # 标题
  37.          title = soup.find('h4').get_text()  
  38.  
  39.          # 标题加入到正文的最前面，居中显示
  40.          center_tag = soup.new_tag("center")
  41.          title_tag = soup.new_tag('h1')
  42.          title_tag.string = title
  43.          center_tag.insert(1, title_tag)
  44.          body.insert(1, center_tag)
  45.          html = str(body)
  46.          # body中的img标签的src相对路径的改成绝对路径
  47.          pattern = "(<img .*?src=\")(.*?)(\")"  
  48.  
  49.          def func(m):
  50.              if not m.group(3).startswith("http"):
  51.                  rtn = m.group(1) + "http://www.liaoxuefeng.com" + m.group(2) + m.group(3)
  52.                  return rtn
  53.              else:
  54.                  return m.group(1)+m.group(2)+m.group(3)
  55.          html = re.compile(pattern).sub(func, html)
  56.          html = html_template.format(content=html)
  57.          html = html.encode("utf-8")
  58.          with open(name, 'wb') as f:
  59.              f.write(html)
  60.          return name  
  61.  
  62.      except Exception as e:  
  63.  
  64.          logging.error("解析错误", exc_info=True)  
  65.  
  66.  def get_url_list():
  67.      """
  68.      获取所有URL目录列表
  69.      :return:
  70.      """
  71.      response = requests.get("http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000")
  72.      soup = BeautifulSoup(response.content, "html.parser")
  73.      menu_tag = soup.find_all(class_="uk-nav uk-nav-side")[1]
  74.      urls = []
  75.      for li in menu_tag.find_all("li"):
  76.          url = "http://www.liaoxuefeng.com" + li.a.get('href')
  77.          urls.append(url)
  78.      return urls  
  79.  
  80.  def save_pdf(htmls, file_name):
  81.      """
  82.      把所有html文件保存到pdf文件
  83.      :param htmls:  html文件列表
  84.      :param file_name: pdf文件名
  85.      :return:
  86.      """
  87.      options = {
  88.          'page-size': 'Letter',
  89.          'margin-top': '0.75in',
  90.          'margin-right': '0.75in',
  91.          'margin-bottom': '0.75in',
  92.          'margin-left': '0.75in',
  93.          'encoding': "UTF-8",
  94.          'custom-header': [
  95.              ('Accept-Encoding', 'gzip')
  96.          ],
  97.          'cookie': [
  98.              ('cookie-name1', 'cookie-value1'),
  99.              ('cookie-name2', 'cookie-value2'),
  100.          ],
  101.          'outline-depth': 10,
  102.      }
  103.      pdfkit.from_file(htmls, file_name, options=options)  
  104.  
  105.  def main():
  106.      start = time.time()
  107.      file_name = u"liaoxuefeng_Python3_tutorial"
  108.      urls = get_url_list()
  109.      for index, url in enumerate(urls):
  110.        parse_url_to_html(url, str(index) + ".html")
  111.      htmls =[]
  112.      pdfs =[]
  113.      for i in range(0,124):
  114.          htmls.append(str(i)+'.html')
  115.          pdfs.append(file_name+str(i)+'.pdf')  
  116.  
  117.          save_pdf(str(i)+'.html', file_name+str(i)+'.pdf')  
  118.  
  119.          print u"转换完成第"+str(i)+'个html'  
  120.  
  121.      merger = PdfFileMerger()
  122.      for pdf in pdfs:
  123.         merger.append(open(pdf,'rb'))
  124.         print u"合并完成第"+str(i)+'个pdf'+pdf  
  125.  
  126.      output = open(u"廖雪峰Python_all.pdf", "wb")
  127.      merger.write(output)  
  128.  
  129.      print u"输出PDF成功！"  
  130.  
  131.      for html in htmls:
  132.          os.remove(html)
  133.          print u"删除临时文件"+html  
  134.  
  135.      for pdf in pdfs:
  136.          os.remove(pdf)
  137.          print u"删除临时文件"+pdf  
  138.  
  139.      total_time = time.time() - start
  140.      print(u"总共耗时：%f 秒" % total_time)  
  141.  
  142.  if __name__ == '__main__':
  143.      main()

python转换html到pdf文件的更多相关文章

  1. 深入学习Python解析并解密PDF文件内容的方法

    前面学习了解析PDF文档,并写入文档的知识,那篇文章的名字为深入学习Python解析并读取PDF文件内容的方法. 链接如下:https://www.cnblogs.com/wj-1314/p/9429 ...

  2. 深入学习python解析并读取PDF文件内容的方法

    这篇文章主要学习了python解析并读取PDF文件内容的方法,包括对学习库的应用,python2.7和python3.6中python解析PDF文件内容库的更新,包括对pdfminer库的详细解释和应 ...

  3. 利用Python将多个PDF文件合并

    from PyPDF2 import PdfFileMerger import os files = os.listdir()#列出目录中的所有文件 merger = PdfFileMerger() ...

  4. 办公室文员必备python神器，将PDF文件表格转换成excel表格！

    [阅读全文] 第三方库说明 # PDF读取第三方库 import pdfplumber # DataFrame 数据结果处理 import pandas as pd 初始化DataFrame数据对象 ...

  5. python从TXT创建PDF文件——reportlab

    使用reportlab创建PDF文件电子书一般都是txt格式的,某些电子阅读器不能读取txt的文档,如DPT-RP1.因此本文从使用python实现txt到pdf的转换,并且支持生成目录,目录能够生成 ...

  6. 【转】Python 深入浅出 - PyPDF2 处理 PDF 文件

    实际应用中,可能会涉及处理 pdf 文件,PyPDF2 就是这样一个库,使用它可以轻松的处理 pdf 文件,它提供了读,割,合并,文件转换等多种操作. 文档地址:http://pythonhosted ...

  7. 利用python第三方库提取PDF文件的表格内容

    小爬最近接到一个棘手任务:需要提取手机话费电子发票PDF文件中的数据.接到这个任务的第一时间,小爬决定搜集各个地区各个时间段的电子发票文件,看看其中的差异点.粗略统计下来,PDF文件的表格框架是统一的 ...

  8. 【转】Python编程: 多个PDF文件合并以及网页上自动下载PDF文件

    1. 多个PDF文件合并1.1 需求描述有时候,我们下载了多个PDF文件, 但希望能把它们合并成一个PDF文件.例如:你下载的数个PDF文件资料或者电子发票,你可以使用python程序合并成一个PDF ...

  9. Python实现多个pdf文件合并

    背景 由于工作原因,经常需要将多个pdf文件合并后打印,有时候上网找免费合并工具比较麻烦(公司内网不能访问公网),于是决定搞个小工具. 具体实现 需要安装 PyPDF2 pip install PyP ...

随机推荐

  1. Scala从零開始：使用Intellij IDEA写hello world

    引言 在之前的文章中,我们介绍了怎样使用Scala IDE也就是eclipse中集成的Scala开发插件来进行Scala语言程序的开发,在使用了一段时间之后,发现eclipse对Scala的支持并非非 ...

  2. 记linux下rm误删bin文件的解决方式

    平常有个坏习惯,删文件为了快点,喜欢用rm xx*,删除一些关键词文件.今天为了删/bin下几个含有mix关键词的文件,使用命令rm mix*.手贱,mix和*之间多了个空格...灾难发生了!bin下 ...

  3. 识骨寻踪第十二季/全集Bones迅雷下载

    本季 Bones (2015)看点:<识骨寻踪>(FOX)2005年推出的罪案题材的电视连续剧.该剧部分内容改编自前刑侦检验官.现任该剧制作人凯丝·莱克斯出版的一系列侦探小说.Bones的 ...

  4. Caffe SSD AttributeError: 'module' object has no attribute 'LabelMap'

    caffe ssd 错误描述: AttributeError: 'module' object has no attribute 'LabelMap' SSD from caffe.proto imp ...

  5. 【转】Mysql行转换为列

    From : http://www.cnblogs.com/lhj588/archive/2012/06/15/2550392.html# 今晚需要统计数据生成简易报表,由原表格数据是单行的形式,最好 ...

  6. WEB中会话跟踪

    一.     什么叫会话跟踪 记录用户一段时间内的逻辑上相关联的不同访问请求个过程叫“会话跟踪”.通过用户在每次对服务请求时的唯一标识,可以跟踪会话. 二.     会话跟踪产生的原因 我们都知道In ...

  7. 里氏替换原则(Liskov Substitution Principle，LSP)

    肯定有不少人跟我刚看到这项原则的时候一样,对这个原则的名字充满疑惑.其实原因就是这项原则最早是在1988年,由麻省理工学院的一位姓里的女士(Barbara Liskov)提出来的. 定义1:如果对每一 ...

  8. Dapper，大规模分布式系统的跟踪系统

    概述 当代的互联网的服务,通常都是用复杂的.大规模分布式集群来实现的.互联网应用构建在不同的软件模块集上,这些软件模块,有可能是由不同的团队开发.可能使用不同的编程语言来实现.有可能布在了几千台服务器 ...

  9. SendMessage消息大全及说明

    WM_CREATE   =   &H0001     应用程序创建一个窗口     WM_DESTROY   =   &H0002     一个窗口被销毁     WM_MOVE   ...

  10. multiMap遍历方法

    /* multimap中的三种遍历方法 multimap中如果没有查找到相应元素,则返回的迭代器是依据该元素的排列顺序该键应该插入的位置 如果找不到,则方法一和方法二返回的两个迭代器应该相等 */ # ...