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

 import pdfkit

 # 有下面3中途径生产pdf

 pdfkit.from_url('http://google.com', 'out.pdf')

 pdfkit.from_file('test.html', 'out.pdf')

 pdfkit.from_string('Hello!', 'out.pdf')

3.合并pdf，使用PyPDF2

直接pip install PyPDF2

 from PyPDF2 import PdfFileMerger

 merger = PdfFileMerger()

 input1 = open("1.pdf", "rb")

 input2 = open("2.pdf", "rb")

 merger.append(input1)

 merger.append(input2)

 # 写入到输出pdf文档中

 output = open("hql_all.pdf", "wb")

 merger.write(output)

4.综合示例：

 # coding=utf-8

 import os

 import re

 import time

 import logging

 import pdfkit

 import requests

 from bs4 import BeautifulSoup

 from PyPDF2 import PdfFileMerger  

 html_template = """

 <!DOCTYPE html>

 <html lang="en">

 <head>

     <meta charset="UTF-8">

 </head>

 <body>

 {content}

 </body>

 </html> 

 """  

 def parse_url_to_html(url, name):

     """

     解析URL，返回HTML内容

     :param url:解析的url

     :param name: 保存的html文件名

     :return: html

     """

     try:

         response = requests.get(url)

         soup = BeautifulSoup(response.content, 'html.parser')

         # 正文

         body = soup.find_all(class_="x-wiki-content")[0]

         # 标题

         title = soup.find('h4').get_text()  

         # 标题加入到正文的最前面，居中显示

         center_tag = soup.new_tag("center")

         title_tag = soup.new_tag('h1')

         title_tag.string = title

         center_tag.insert(1, title_tag)

         body.insert(1, center_tag)

         html = str(body)

         # body中的img标签的src相对路径的改成绝对路径

         pattern = "(<img .*?src=\")(.*?)(\")"  

         def func(m):

             if not m.group(3).startswith("http"):

                 rtn = m.group(1) + "http://www.liaoxuefeng.com" + m.group(2) + m.group(3)

                 return rtn

             else:

                 return m.group(1)+m.group(2)+m.group(3)

         html = re.compile(pattern).sub(func, html)

         html = html_template.format(content=html)

         html = html.encode("utf-8")

         with open(name, 'wb') as f:

             f.write(html)

         return name  

     except Exception as e:  

         logging.error("解析错误", exc_info=True)  

 def get_url_list():

     """

     获取所有URL目录列表

     :return:

     """

     response = requests.get("http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000")

     soup = BeautifulSoup(response.content, "html.parser")

     menu_tag = soup.find_all(class_="uk-nav uk-nav-side")[1]

     urls = []

     for li in menu_tag.find_all("li"):

         url = "http://www.liaoxuefeng.com" + li.a.get('href')

         urls.append(url)

     return urls  

 def save_pdf(htmls, file_name):

     """

     把所有html文件保存到pdf文件

     :param htmls:  html文件列表

     :param file_name: pdf文件名

     :return:

     """

     options = {

         'page-size': 'Letter',

         'margin-top': '0.75in',

         'margin-right': '0.75in',

         'margin-bottom': '0.75in',

         'margin-left': '0.75in',

         'encoding': "UTF-8",

         'custom-header': [

             ('Accept-Encoding', 'gzip')

         ],

         'cookie': [

             ('cookie-name1', 'cookie-value1'),

             ('cookie-name2', 'cookie-value2'),

         ],

         'outline-depth': 10,

     }

     pdfkit.from_file(htmls, file_name, options=options)  

 def main():

     start = time.time()

     file_name = u"liaoxuefeng_Python3_tutorial"

     urls = get_url_list()

     for index, url in enumerate(urls):

       parse_url_to_html(url, str(index) + ".html")

     htmls =[]

     pdfs =[]

     for i in range(0,124):

         htmls.append(str(i)+'.html')

         pdfs.append(file_name+str(i)+'.pdf')  

         save_pdf(str(i)+'.html', file_name+str(i)+'.pdf')  

         print u"转换完成第"+str(i)+'个html'  

     merger = PdfFileMerger()

     for pdf in pdfs:

        merger.append(open(pdf,'rb'))

        print u"合并完成第"+str(i)+'个pdf'+pdf  

     output = open(u"廖雪峰Python_all.pdf", "wb")

     merger.write(output)  

     print u"输出PDF成功！"  

     for html in htmls:

         os.remove(html)

         print u"删除临时文件"+html  

     for pdf in pdfs:

         os.remove(pdf)

         print u"删除临时文件"+pdf  

     total_time = time.time() - start

     print(u"总共耗时：%f 秒" % total_time)  

 if __name__ == '__main__':

     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. Ioc：Autofac Registration Concepts

    Reflection Components When using reflection-based components, Autofac automatically uses the constru ...

  2. Linux 内核网络协议栈 ------sk_buff 结构体 以及 完全解释 （2.6.16）

    转自:http://blog.csdn.net/shanshanpt/article/details/21024465 在2.6.24之后这个结构体有了较大的变化,此处先说一说2.6.16版本的sk_ ...

  3. android之Android中的SQL查询语句LIKE绑定参数问题解决办法（sqlite数据库）

    由于考虑到数据库的安全性,不被轻易SQL注入,执行查询语句时,一般不使用直接拼接的语句,而是使用参数传递的方法.然后在使用参数传递的方法中时,发现当使用like方式查询数据时,很容易出现一个问题. 错 ...

  4. Java并发编程的艺术(六)——线程间的通信

    多条线程之间有时需要数据交互,下面介绍五种线程间数据交互的方式,他们的使用场景各有不同. 1. volatile.synchronized关键字 PS:关于volatile的详细介绍请移步至:Java ...

  5. mysql 的indexof函数

    LOCATE(substr,str) 返回子串substr在字符串str第一个出现的位置,如果substr不是在str里面,返回0. mysql> select LOCATE('bar', 'f ...

  6. [Android Pro] AndroidStudio IDE界面插件开发（进阶篇之Action机制）

    转载请注明出处:[huachao1001的专栏:http://blog.csdn.net/huachao1001/article/details/53883500] 从上一篇<AndroidSt ...

  7. 将java中数组转换为ArrayList的方法实例（包括ArrayList转数组）

    方法一:使用Arrays.asList()方法   1 2 String[] asset = {"equity", "stocks", "gold&q ...

  8. android屏幕适配——1920x1200

    解决方式 写成values-port-hdpi-1824x1200 近期做项目中发现问题 我写分辨率values-1920x1200,可是平板华为x1 不走这个分辨率,写1800x1000 会进,可是 ...

  9. 回顾 Exchange 2007 SCC 安装-供需要的人参考！

    最近可能会涉及到一个项目的升级,客户目前是基于SCC+SCR的一种工作模式,因为之前对SCR 了解很少,所以需要搭建一个SCC+SCR 平台来做一个整体的POC,来还原整个安装和升级过程. 首先我们先 ...

  10. Go语言之进阶篇操作redis

    1.windows安装redis 软件包下载地址: https://github.com/MicrosoftArchive/redis/releases 1.1.安装--->下一步---> ...