Python之将Python字符串生成PDF

  笔者在今天的工作中，遇到了一个需求，那就是如何将Python字符串生成PDF。比如，需要把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’。
  经过一番检索，笔者决定采用wkhtmltopdf这个软件，它可以将HTML转化为PDF。wkhtmltopdf的访问网址为：https://wkhtmltopdf.org/downloads.html ，读者可根据自己的系统下载对应的文件并安装。安装好wkhtmltopdf，我们再安装这个软件的Python第三方模块——pdfkit，安装方式如下：

pip install pdfkit

  我们再讨论如下问题：

• 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

  该问题的解决思路还是利用将Python字符串嵌入到HTML代码中解决，注意换行需要用
标签，示例代码如下：

import pdfkit

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

html = '' \
       '
%s
'%content

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

输出的结果如下：

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如下：

生成的PDF

如何生成PDF中的表格

  接下来我们考虑如何将csv文件转换为PDF中的表格，思路还是利用HTML代码。示例的iris.csv文件（部分）如下：

iris.csv（部分）

  将csv文件转换为PDF中的表格的Python代码如下：

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 = '' % (td_width*len(lines[0].split(',')))

for i in range(len(lines)):
    tr = ''+''.join([''%(td_width, _) for _ in lines[i].split(',')])+''
    content += tr

content += '
%s
'

html = '' \
       '
%s
' % content

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

  生成的PDF文件为iris.pdf，部分内容如下：

生成的pdf文件

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，这里我们可以做个简单的测试，比如生成100份PDF文件，里面的文字为“这是第*份测试文件！”。Python代码如下：

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 = '' \
           '
%s
' % 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。输出结果如下：

......
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.

  如果想要加快生成的速度，我们可以使用多线程来实现，主要使用concurrent.futures模块，完整的Python代码如下：

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 = '' \
           '
%s
' % 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)  # 可以自己调整max_workers,即线程的个数
# submit()的参数： 第一个为函数， 之后为该函数的传入参数，允许有多个
future_tasks = [executor.submit(convert_2_pdf, i) for i in range(100)]
# 等待所有的线程完成，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，明显快了很多～

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）， 欢迎大家关注~