用 Python 将 html 转为 pdf、word
source link: http://www.justdopython.com/2021/02/22/python-convertHtml/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
用 Python 将 html 转为 pdf、word
发表于 2021-02-22
| 分类于 python
在日常中有时需将 html 文件转换为 pdf、word 文件。网上免费的大多数不支持多个文件转换的情况，而且在转换几个后就开始收费了。
转 pdf 中使用 pdfkit 库，它可以让 web 网页直接转为 pdf 文件，多个 url 可以合并成一个文件。
安装 pdfkit 库
pip3 install pdfkit
安装 wkhtmltopdf 文件
pdfkit 是基于 wkhtmltopdf 的 python 封装库，所以需要安装 wkhtmltopdf 软件。
下载地址：https://wkhtmltopdf.org/downloads.html
在windows 系统中，需要将 wkhtmltopdf.exe 文件路径配置在系统环境变量中。
url 生成 pdf
这里使用 baidu 首页和 bing 首页作为示例
import pdfkit
# 第一个参数可以是列表，放入多个域名，第二个参数是生成的 PDF 名称
pdfkit.from_url(['www.baidu.com','www.bing.com'],'search.pdf')
本地 html 文件生成 pdf
提前将需要转换的 html 存储到本地，也可以使用 python 爬虫代码抓取 html 文件到本地。
import pdfkit
pdfkit.from_file('/Users/xx/Desktop/html/baidu.html', 'search.pdf')
转 word
使用 pypandoc 库将 html 转换为 word 文件，pypandoc 是一个支持多种文件格式转换的 Python 库，它用到了 pandoc 软件，所以需要在电脑上安装 pandoc 软件
安装 pypandoc 库
pip install pypandoc
安装 pandoc 软件
pypandoc 是基于 pandoc 软件的库，所以要安装一下 pandoc (https://github.com/jgm/pandoc/releases/tag/2.11.4)，pandoc 支持多种类型转换。下图是 pandoc 的转换类型。
将 html 文件提前存储在本地，也可以用爬虫将需要转换的 html 文件在代码中抓取后使用。
import pypandoc
# convert_file('原文件','目标格式','目标文件')
output = pypandoc.convert_file('/Users/xx/Desktop/html/baidu.html', 'docx', outputfile="baidu.doc")
pypandoc 无法对 word 进行排版，所以需要小伙伴们进行 2 次排版。
利用好 Python 第三方库类，可以为小伙伴写出各种个性化定制的小程序
示例代码：https://github.com/JustDoPython/python-examples/tree/master/moumoubaimifan/convertHtml
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK