python将html存为pdf_用Python将HTML转为PDF。

点击上方“IT共享之家”，进行关注

回复“资料”可获赠IT学习福利

上期提到了如何获取公众号文章信息，这回就说下怎么将网页转为PDF，方便平常学习。

然后扩散一下之前一个比赛的结果(华章计算机抖音大赛)。

顺便谈谈自己对今后送书的一个想法。

另外之前的送书活动，有中奖的读者没有联系我，所以这回一并送出。

明天还会送两本书，大家也可以关注一下。

/ 01 / HTML转PDF

主要用到的库有pdfkit及wkhtmltopdf。

安装我就不说了，网上也是一堆教程，通过下面的代码也能略知一二。

需要注意的点就是，把网页转PDF的时候，需要将网页的图片下载下来，保存在本地。

然后生成网页时调用本地的图片，这样就不会出现在PDF中图片缺失的情况。

本次没有去设置详细的PDF参数，所以生成的PDF排版并不是很友好，不过还是能凑合看的。

具体转换代码如下。

import pandas as pd

import requests

import pdfkit

import os

import re

# 读取数据并清洗

df = pd.read_csv('article.csv', header=None, names=['title', 'digest', 'article_url', 'date'], encoding='gbk')

df['date'] = pd.to_datetime(df.date.values, unit='s', utc=True).tz_convert('Asia/Shanghai')

df_date = df['date'].astype(str).str.split(' ', expand=True)

df['day'] = df_date[0]

# 获取目录的绝对路径

fileDir = os.path.abspath(os.path.dirname('F:\\article_pdf'))

headers = {

"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36 MicroMessenger/6.5.2.501 NetType/WIFI WindowsWechat QBCore/3.43.901.400 QQBrowser/9.0.2524.400",

}

proxies = {

"https": None,

"http": None,

}

# 设置转PDF参数

options = {

"page-size": "Letter",

"encoding": "UTF-8",

"custom-header": [

("Accept-Encoding", "gzip")

]

}

# 调用wkhtmltopdf

# confg = pdfkit.configuration(wkhtmltopdf=r"C:\Users\Administrator\wkhtmltox-0.12.5-1.mxe-cross-win64\wkhtmltox\bin\wkhtmltopdf.exe")

for title, url, date in zip(df['title'], df['article_url'], df['day']):

print(title, url, date)

# 替换特殊符号

title = re.sub('[\/:：*?"<>|]', '', title)

title = title.replace('\\', '_')

# html文件名

html_name = '{}/{}.html'.format('F:\\article_pdf', date + '_' + title)

res = requests.get(url, headers=headers, proxies=proxies, timeout=3)

html = res.text

# 用?来控制正则贪婪和非贪婪匹配;(.*?) 小括号来控制是否包含匹配的关键字

pattern = re.compile(r'data-src=\"http.*?\"')

result = pattern.findall(html)

picCnt = 0

for i in result:

picCnt = picCnt + 1

url = re.findall(r'\"(.*?)\"', i)[0]

# 图片名

picture_name = '{}/{}.png'.format('F:\\article_pdf', str(picCnt))

# 调用本地图片

html = html.replace(url, picture_name)

# 获取图片内容

r = requests.get(url)

with open(picture_name, "wb+") as f:

f.write(r.content)

# 保存html文件

html = html.replace('data-src', 'src')

fd = open(html_name, 'w', encoding="utf-8")

fd.write(html)

fd.close()

pdf_name = '{}/{}.pdf'.format('F:\\article_pdf', date + '_' + title)

try:

# html转pdf

pdfkit.from_file(html_name, pdf_name, options=options)

except:

pass

最后成功生成所有文章的PDF。

这里不知是为何，生成PDF的时间挺长的，平均一个PDF耗时三分钟。

/ 02 / 比赛结果

之前公众号对华章计算机抖音大赛进行了推广，在上个礼拜比赛的结果也出来了。

这里帮出版社扩散一下比赛结果。

华章计算机抖音大赛比赛结果

当然我也参加了，而且也获奖了，不过是参与奖，四本书。

活动参与的人并不多，一共应该就只有8个人参赛。

讲道理，900元现金以及30本书，这么丰厚的奖品，活动却没多少人参加，这值得沉思。

当然还会有第二届，届时我还会帮忙宣传，这回没有参加的小伙伴，下回一定要抓住机会。

为什么我会继续支持呢？这应该源于我之前参加的一个PPT比赛。

至今，我还留存着参与活动后的那本赠书。

书很不错，我也从中学到了不少东西。

当然最重要的是动手就有收获的道理。

种一棵树最好的时间是十年前，其次是现在。所以行动起来，绝对没错。

今后的送书活动，如果条件允许的话，也将会以一些小比赛的形式送出，敬请期待。

/ 03 /  送书

下面应该是上个礼拜的截图了，姑且就以此作为参照。

以上的读者，如果对下面这本书有兴趣的话。

可以微信联系我，先到先得，就一本。

微信联系方式可以在公众号菜单栏里找到。

一本有关Oracle数据库的书。

明天送的两本是有关Python数据分析的书，可以关注一下。

/ 04 / 总结

两期的文章代码已上传「GitHub」。

点击左下角阅读原文，即可获取。

万水千山总是情，点个「在看」行不行。

--------------------- End ---------------------

往期精彩文章推荐：

看完本文有收获？请转发分享给更多的人

IT共享之家

入群请在微信后台回复【学习】

在公众号后台回复下列关键词可以免费获取相应的学习资料：

Python3、Python基础、Python进阶、网络爬虫 、书籍、

自然语言处理、数据分析、机器学习、数据结构、

大数据、服务器、Spark、Redis、C++、C、

php、mysql、java、Android