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<br>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。' + '<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 = '<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 = '<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 = '<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) # 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~
网友评论