Python之将Python字符串生成PDF

时间 2019-12-12

原文原文链接

笔者在今天的工做中，遇到了一个需求，那就是如何将Python字符串生成PDF。好比，须要把Python字符串‘这是测试文件’生成为PDF, 该PDF中含有文字‘这是测试文件’。
通过一番检索，笔者决定采用wkhtmltopdf这个软件，它能够将HTML转化为PDF。wkhtmltopdf的访问网址为：https://wkhtmltopdf.org/downloads.html ，读者可根据本身的系统下载对应的文件并安装。安装好wkhtmltopdf，咱们再安装这个软件的Python第三方模块——pdfkit，安装方式以下：html

pip install pdfkit

咱们再讨论以下问题：python

如何将Python字符串生成PDF；
如何生成PDF中的表格；
解决PDF生成速度慢的问题。

如何将Python字符串生成PDF

该问题的解决思路仍是利用将Python字符串嵌入到HTML代码中解决，注意换行须要用<br>标签，示例代码以下：web

import pdfkit

# PDF中包含的文字
content = '这是一个测试文件。' + '<br>' + 'Hello from Python!'

html = '<html><head><meta charset="UTF-8"></head>' \
       '<body><div align="center"><p>%s</p></div></body></html>'%content

# 转换为PDF
pdfkit.from_string(html, './test.pdf')

输出的结果以下：算法

Loading pages (1/6)
Counting pages (2/6)
Resolving links (4/6)
Loading headers and footers (5/6)
Printing pages (6/6)
Done

生成的test.pdf以下：微信

如何生成PDF中的表格

接下来咱们考虑如何将csv文件转换为PDF中的表格，思路仍是利用HTML代码。示例的iris.csv文件（部分）以下：多线程

将csv文件转换为PDF中的表格的Python代码以下：函数

import pdfkit

# 读取csv文件
with open('iris.csv', 'r') as f:
    lines = [_.strip() for _ in f.readlines()]

# 转化为html中的表格样式
td_width = 100
content = '<table width="%s" border="1" cellspacing="0px" style="border-collapse:collapse">' % (td_width*len(lines[0].split(',')))

for i in range(len(lines)):
    tr = '<tr>'+''.join(['<td width="%d">%s</td>'%(td_width, _) for _ in lines[i].split(',')])+'</tr>'
    content += tr

content += '</table>'

html = '<html><head><meta charset="UTF-8"></head>' \
       '<body><div align="center">%s</div></body></html>' % content

# 转换为PDF
pdfkit.from_string(html, './iris.pdf')

生成的PDF文件为iris.pdf，部份内容以下：测试

解决PDF生成速度慢的问题

用pdfkit生成PDF文件虽然方便，但有一个比较大的缺点，那就是生成PDF的速度比较慢，这里咱们能够作个简单的测试，好比生成100份PDF文件，里面的文字为“这是第*份测试文件！”。Python代码以下：spa

import pdfkit
import time

start_time = time.time()

for i in range(100):
    content = '这是第%d份测试文件！'%(i+1)
    html = '<html><head><meta charset="UTF-8"></head>' \
           '<body><div align="center">%s</div></body></html>' % content

    # 转换为PDF
    pdfkit.from_string(html, './test/%s.pdf'%(i+1))

end_time = time.time()

print('一共耗时：%s 秒.' %(end_time-start_time))

在这个程序中，生成100份PDF文件一共耗时约192秒。输出结果以下：线程

......
Loading pages (1/6)
Counting pages (2/6)                                               
Resolving links (4/6)                                                       
Loading headers and footers (5/6)                                           
Printing pages (6/6)
Done                                                                      
一共耗时：191.9226369857788 秒.

若是想要加快生成的速度，咱们可使用多线程来实现，主要使用concurrent.futures模块，完整的Python代码以下：

import pdfkit
import time
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED

start_time = time.time()

# 函数: 生成PDF
def convert_2_pdf(i):
    content = '这是第%d份测试文件！'%(i+1)
    html = '<html><head><meta charset="UTF-8"></head>' \
           '<body><div align="center">%s</div></body></html>' % content

    # 转换为PDF
    pdfkit.from_string(html, './test/%s.pdf'%(i+1))


# 利用多线程生成PDF
executor = ThreadPoolExecutor(max_workers=10)  # 能够本身调整max_workers,即线程的个数
# submit()的参数： 第一个为函数， 以后为该函数的传入参数，容许有多个
future_tasks = [executor.submit(convert_2_pdf, i) for i in range(100)]
# 等待全部的线程完成，才进入后续的执行
wait(future_tasks, return_when=ALL_COMPLETED)

end_time = time.time()
print('一共耗时：%s 秒.' %(end_time-start_time))

在这个程序中，生成100份PDF文件一共耗时约41秒，明显快了不少～

注意：不妨了解下笔者的微信公众号： Python爬虫与算法（微信号为：easy_web_scrape），欢迎你们关注~