前言

在日常中有時(shí)需將 html 文件轉(zhuǎn)換為 pdf、word 文件。網(wǎng)上免費(fèi)的大多數(shù)不支持多個(gè)文件轉(zhuǎn)換的情況，而且在轉(zhuǎn)換幾個(gè)后就開始收費(fèi)了。

轉(zhuǎn) pdf

轉(zhuǎn) pdf 中使用 pdfkit 庫，它可以讓 web 網(wǎng)頁直接轉(zhuǎn)為 pdf 文件，多個(gè) url 可以合并成一個(gè)文件。

安裝 pdfkit 庫

pip3 install pdfkit

安裝 wkhtmltopdf 文件

pdfkit 是基于 wkhtmltopdf 的 python 封裝庫，所以需要安裝 wkhtmltopdf 軟件。

在windows 系統(tǒng)中，需要將 wkhtmltopdf.exe 文件路徑配置在系統(tǒng)環(huán)境變量中。

url 生成 pdf

這里使用 baidu 首頁和 bing 首頁作為示例

import pdfkit
 
# 第一個(gè)參數(shù)可以是列表，放入多個(gè)域名，第二個(gè)參數(shù)是生成的 PDF 名稱
pdfkit.from_url(['www.baidu.com','www.bing.com'],'search.pdf')

本地 html 文件生成 pdf

提前將需要轉(zhuǎn)換的 html 存儲到本地，也可以使用 python 爬蟲代碼抓取 html 文件到本地。

import pdfkit
 
pdfkit.from_file('/Users/xx/Desktop/html/baidu.html', 'search.pdf')

轉(zhuǎn) word

使用 pypandoc 庫將 html 轉(zhuǎn)換為 word 文件，pypandoc 是一個(gè)支持多種文件格式轉(zhuǎn)換的 Python 庫，它用到了 pandoc 軟件，所以需要在電腦上安裝 pandoc 軟件

安裝 pypandoc 庫

pip install pypandoc

安裝 pandoc 軟件

pypandoc 是基于 pandoc 軟件的庫，所以要安裝一下 pandoc (https://github.com/jgm/pandoc/releases/tag/2.11.4)，pandoc 支持多種類型轉(zhuǎn)換。下圖是 pandoc 的轉(zhuǎn)換類型。

使用

將 html 文件提前存儲在本地，也可以用爬蟲將需要轉(zhuǎn)換的 html 文件在代碼中抓取后使用。

import pypandoc
 
# convert_file('原文件','目標(biāo)格式','目標(biāo)文件')
output = pypandoc.convert_file('/Users/xx/Desktop/html/baidu.html', 'docx', outputfile="baidu.doc")

pypandoc 無法對 word 進(jìn)行排版，所以需要小伙伴們進(jìn)行 2 次排版。

補(bǔ)充：用python把pdf文件轉(zhuǎn)換為word文件

安裝pip install pdf2docx：

pip install pdf2docx

如果安裝過程出現(xiàn)報(bào)錯(cuò)，可能是版本匹配問題，先安裝PyMuPDF這個(gè)庫即可正常安裝pip install PyMuPDF。

pip install PyMuPDF

安裝好后，把需要轉(zhuǎn)換的PDF文檔放到和python代碼同一個(gè)文件夾內(nèi)。

python代碼：

import os
from pdf2docx import Converter
 
def pdf_docx():
 
    # 獲取當(dāng)前工作目錄
    file_path = os.getcwd()
 
    # 獲取所有文件
    files = os.listdir(file_path)
 
    # 遍歷所有文件
    for file in files:
 
        # 過濾臨時(shí)文件
        if '~$' in file:
            continue
 
        # 過濾非pdf格式文件
        if file.split('.')[-1] != 'pdf':
            continue
        # 獲取文件名稱
        file_name = file.split('.')[0]
        # pdf文件名稱
        pdf_name = os.getcwd() + '\\' + file
        # docx文件名稱
        docx_name = os.getcwd() + '\\' + file_name + '.docx'
        # 加載pdf文檔
        cv = Converter(pdf_name)
        cv.convert(docx_name, start=0, end=12)
        cv.close()
 
if __name__ == '__main__':
    pdf_docx()

start是pdf轉(zhuǎn)換的起始頁，end是結(jié)束頁。如果不傳入start和end這兩個(gè)參數(shù)，默認(rèn)就是從第一頁轉(zhuǎn)換到最后一頁。也可以通過pages方法確定轉(zhuǎn)換頁數(shù)，方法為：cv.convert(docx_file, pages=[0,2, 5])

總結(jié)

利用好 Python 第三方庫類，可以為小伙伴寫出各種個(gè)性化定制的小程序

到此這篇關(guān)于如何利用Python將html轉(zhuǎn)為pdf、word文件的文章就介紹到這了,更多相關(guān)Python將html轉(zhuǎn)pdf word內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論