使用python脚本完成word转pdf（兼容linux）

使用python脚本完成word转pdf（兼容linux）
参考：https://v3u.cn/a_id_96

起因：看到一个需求是用java把word转成pdf，在windows上使用Jacob可以实现，但linux上比较麻烦， 性能等综合考虑使用OpenOffice比较好。

      感觉可以用java调用python脚本实现，这里做个记录。



      在原博客中，作者在windows环境下使用了comtypes实现的转换，我本地换成了pywin32实现，另，增加了一个输出目录的参数，用于指定生成pdf的路径。

环境：本地：win10 + jdk1.8 + python3.7 linux服务器：centos7 + jdk1.8 + python3.6

      jdk和python3的安装可百度，这里不做记录。

具体实现：

     1）windows环境安装comtypes，用于脚本中判断是windows环境还是linux环境

     2）windows环境安装pywin32库：pip install pywin32

     3）linux中需要使用LibreOffice，安装依赖：

                 yum remove libreoffice-*

                从https://www.libreoffice.org/download/download/上下载最新版本的linux rpm版本的LibreOffice，上传到自己的linux环境中，我这里下载的是LibreOffice_6.2.5_Linux_x86-64_ rpm.tar.gz



                解压：tar -zxvf  LibreOffice_6.2.5_Linux_x86-64_ rpm.tar.gz

                  cd LibreOffice_6.2.5.2_Linux_x86-64_rpm/RPMS

                   yum localinstall *.rpm

      4）安装其他依赖：

              yum install cairo cups-libs libSM

              yum install ibus

              yum install libreoffice-headless

      5）查看是否安装成功：libreoffice -help

      6）将window环境字体拷贝至linux中 

              windows文件夹 C:\\windows\\Fonts文件夹中所有内容拷贝至 linux中/usr/share/fonts/chinese文件夹下，没有就新建

      7）修改字体缓存、权限

             chmod -R 755 /usr/share/fonts/chinese

             fc-cache -fv

             fc-list | grep chinese //查看安装的新字体

       8）linux下测试Libreoffice是否可用

               libreoffice6.2 --headless --convert-to pdf /root/xxx.docx         ------直接生成在了docx文件同目录下，有同名的文件会覆盖掉

              libreoffice6.2 --headless --convert-to pdf /root/xxx.docx --outdir /root     -------指定了输出路径     

一切都OK的话，就可以执行脚本了：

# -*- coding: utf-8 -*-
# @Time    : 2020/5/29 20:27
# @Author  : LuckyKid
# @Site    :
# @File    : txt2pdf.py
# @Software: PyCharm
# -*- encoding: utf-8 -*-
import os, fitz
import subprocess
from docxtpl import DocxTemplate
import time

# pip install PyMuPDF

try:
    from win32com import client
except ImportError:
    client = None

demo_file_name = "./估计证明书_RedBook.docx"
current_file_path = os.path.dirname(os.path.abspath(demo_file_name)) + os.sep + 'data' + os.sep


def pyMuPDF_fitz(pdfPath, imagePath):
    print("imagePath=" + imagePath)
    pdfDoc = fitz.open(pdfPath)
    page = pdfDoc[0]
    rotate = int(0)
    # 每个尺寸的缩放系数为1.3，这将为我们生成分辨率提高2.6的图像。
    # 此处若是不做设置，默认图片大小为：792X612, dpi=96
    zoom_x = 2  # (1.33333333-->1056x816)   (2-->1584x1224)
    zoom_y = 2
    mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
    pix = page.getPixmap(matrix=mat, alpha=False)

    pix.writePNG(imagePath)  # 将图片写入指定的文件夹内


def doc2pdf_linux(docPath):
    cmd = 'libreoffice6.2 --headless --convert-to pdf'.split() + [docPath] + ['--outdir'] + [current_file_path]
    p = subprocess.Popen(cmd, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
    p.wait(timeout=30)
    stdout, stderr = p.communicate()
    if stderr:
        raise subprocess.SubprocessError(stderr)


def doc2pdf(doc_name, pdf_name):
    """
    :word文件转pdf
    :param doc_name word文件名称
    :param pdf_name 转换后pdf文件名称
    """
    if not client:
        return doc2pdf_linux(doc_name)
    word = client.DispatchEx("Word.Application")
    if os.path.exists(pdf_name):
        os.remove(pdf_name)
    worddoc = word.Documents.Open(doc_name, ReadOnly=1)
    worddoc.SaveAs(pdf_name, FileFormat=17)
    worddoc.Close()
    return pdf_name


def data_2_world_by_demo(data_dic, save_file_name):
    doc = DocxTemplate(demo_file_name)  # 加载模板文件
    doc.render(data_dic)  # 填充数据
    doc.save(save_file_name)  # 保存目标文件


def data_2_png(description='', yearGroup='', vehicle_key='', reg_date='', msrp='', emission='', vin='', province='',
               maintenance='', age='', mileage='', engine='', plate_number='', city='', insurance='', stand_rv='',
               damage_1='', damage_2='', damage_3='', damage_rv='', option_1='', option_2='', option_3='', option_rv='',
               wholesale_rv='', retail_rv='', id=''):
    data_dict = {
        'date': time.asctime(),
        'description': description,
        'yearGroup': yearGroup,
        'vehicle_key': vehicle_key,
        'reg_date': reg_date,
        'msrp': msrp,
        'emission': emission,
        'vin': vin,
        'province': province,
        'maintenance': maintenance,
        'age': age,
        'mileage': mileage,
        'engine': engine,
        'plate_number': plate_number,
        'city': city,
        'insurance': insurance,
        'stand_rv': stand_rv,
        'damage_1': damage_1,
        'damage_2': damage_2,
        'damage_3': damage_3,
        'damage_rv': damage_rv,
        'option_1': option_1,
        'option_2': option_2,
        'option_3': option_3,
        'option_rv': option_rv,
        'wholesale_rv': wholesale_rv,
        'retail_rv': retail_rv,
    }
    save_file_name = id + ".docx"
    save_pdf_name = id + ".pdf"
    save_png_name = id + ".png"
    # 处理为绝对路径
    save_file_name = current_file_path + save_file_name
    save_pdf_name = current_file_path + save_pdf_name
    save_png_name = current_file_path + save_png_name
    # 根据模板把数据转world
    data_2_world_by_demo(data_dict, save_file_name)
    # 将world数据转pdf
    doc2pdf(save_file_name, save_pdf_name)
    # pdf转png
    pyMuPDF_fitz(save_pdf_name, save_png_name)
    # 删除world和pdf文件
    os.remove(save_file_name)
    os.remove(save_pdf_name)
    return save_png_name


# 奔驰（进口） GLE 350 2020款 旅行车 5门 4MATIC 豪华型（特殊配置） 7座 手自一体 9速 四轮驱动 2.0直接喷射涡轮增压 (国 VI)
if __name__ == '__main__':
    description = '2017款 旅行车 5门 xDrive35i 豪华型 手自一体 8速 四轮驱动 3.0直接喷射涡轮增压22222222222222222222222222'
    yearGroup = 'MY2020/MY2020'
    vehicle_key = 'BMW 18AA'
    reg_date = '2020/4/27'
    msrp = '157,3000'
    emission = 'GB VI'
    vin = 'SALGA3BU9LA5XXXX'
    province = '广东'
    maintenance = '是'
    age = '2年'
    mileage = '20,000公里'
    engine = '2.0T'
    plate_number = '粤AD123456'
    city = '广州'
    insurance = '无'
    stand_rv = '950,000'
    damage_1 = '前车门补漆'
    damage_2 = '换发动机'
    damage_3 = '水泡'
    damage_rv = '21,000'
    option_1 = '木纹内饰'
    option_2 = '电动加热'
    option_3 = 'GPS导航'
    option_rv = '30,000'
    wholesale_rv = '959,900'
    retail_rv = '1,029,900'
    id = '202008511213-128-BMW 19AB'
    data_2_png(description, yearGroup, vehicle_key, reg_date, msrp, emission, vin, province, maintenance, age,
               mileage, engine, plate_number, city, insurance, stand_rv, damage_1, damage_2, damage_3, damage_rv,
               option_1, option_2, option_3, option_rv, wholesale_rv, retail_rv, id)