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~

你可能感兴趣的:(Python之将Python字符串生成PDF)