用Python将HTML转为PDF。

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，方便日常学习。

而后扩散一下以前一个比赛的结果(华章计算机抖音大赛)。

顺便谈谈本身对从此送书的一个想法。

另外以前的送书活动，有中奖的读者没有联系我，因此这回一并送出。

明天还会送两本书，你们也能够关注一下。

/ 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，经过下面的代码也能略知一二。

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

而后生成网页时调用本地的图片，这样就不会出如今PDF中图片缺失的状况。

本次没有去设置详细的PDF参数，因此生成的PDF排版并非很友好，不过仍是能凑合看的。

具体转换代码以下。

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

最后成功生成全部文章的PDF。

这里不知是为什么，生成PDF的时间挺长的，平均一个PDF耗时三分钟。

/ 02 / 比赛结果

以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

华章计算机，公众号：华章计算机IT抖音王登场！首届华章计算机抖音大赛得奖做者出炉啦！

固然我也参加了，并且也获奖了，不过是参与奖，四本书。

活动参与的人并很少，一共应该就只有8我的参赛。

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。

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

为何我会继续支持呢？这应该源于我以前参加的一个PPT比赛。

至今，我还留存着参与活动后的那本赠书。

书很不错，我也从中学到了很多东西。

固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，其次是如今。因此行动起来，绝对没错。

从此的送书活动，若是条件容许的话，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，姑且就以此做为参照。

以上的读者，若是对下面这本书有兴趣的话。

能够微信联系我，先到先得，就一本。

微信联系方式能够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，能够关注一下。

/ 04 / 总结

两期的文章代码已上传「GitHub」。

点击左下角阅读原文，便可获取。

万水千山老是情，点个「在看」行不行。