学的有点多，总结一下，防止遗忘，这里来记录一下，好记性不如烂笔头，时隔一年，忘得渣都不剩
首先先介绍几个pdf相关的模块
1.pdfkit，一个将html，url的内容，以及string，转pdf的模块， 速度很快，基本秒合成，如果数据很大的就另说了
2.pandoc，这个不得不说是文档界的瑞士军刀，超级强大的，个人认为是和视频界的ffmpeg一个级别的神器！！！ 但是如果其他转pdf的话的需要另行下载一个支持库，我试了下，但是转换不快，就没在用了。
3.html2text: 主要用于将html代码转markdown
这个库解析出来很快，用法很简单，常用：md_data = html2text.html2text(html_code)，官方链接→
4.python-docx：
https://stackoom.com/question/3f76h/%E6%97%A0%E6%B3%95%E5%AE%89%E8%A3%85python-docx-MacOS
1.pdfkit详解
1.1window安装：
pip install pdfkit
pdfkit版本：0.6.1
然后window下还需安装pdfkit支持的pdf转换程序 wkhtmltopdf，网址→，wkhtmltopdf这个程序是专门用于html转pdf的，效果是目前综合转换最棒的。
pdfkit是针对wxhtmltopdf封装的命令包，官方文档→
1.2 ubuntu下安装：
直接使用命令安装的话：debian / ubuntu仓库中的版本功能减少（因为它编译时未添加wkhtmltopdf QT补丁），例如添加了轮廓，页眉，页脚，TOC等。要使用此选项，您应该从wkhtmltopdf网站安装静态二进制文件
sudo apt-get install wkhtmltopdf
这里还需要到wkhtmltopdf网站上下载deb，然后进行编译安装，才可以支持轮廓，页眉，页脚，TOC，也不会出错！ 上面命令安装+下面的手动下载安装
wget https://github.com/wkhtmltopdf/wkhtmltopdf/releases/download/0.12.5/wkhtmltox_0.12.5-1.xenial_amd64.deb # sudo dpkg -i <package.deb> sudo dpkg -i wkhtmltox_0.12.5-1.xenial_amd64.deb
可能直接编译安装wkhtmltox_0.12.5-1.xenial_amd64.deb会出错，会提示缺失一些辅助程序，这时候可以修复一下在安装！
sudo apt --fix-broken install
2、ubuntu安装中文字体
如果不安装，中文字体的话，中文字体是显示不出来的！
sudo apt-get install ttf-wqy-zenhei sudo apt-get install ttf-wqy-microhei
然后重启系统
原文地址：https://my.oschina.net/liuhui1990/blog/3095667
1.3用法：
基本的用法有三个， from_url：从url获取html代码转pdf， from_file：从本地html文件读取数据转pdf， from_string： 从字符串转pdf 基本用法：
import pdfkit
pdfkit.from_url('https://www.baidu.com/', 'out.pdf')
html_path = './test.html'
pdfkit.from_file(html_path, 'out.pdf')
st = '一个例子，用于生成pdf'
pdfkit.from_string(st, 'out.pdf')
高级用法： 1.pdfkie.from_url(['url1.url', 'url2.url', 'url3.url'], 'out.pdf')多个url的html代码合成一个pdf，并且每个html的标题会转为pdf的一个书签，还不错。
2.pdfkit.from_file(['h1.html', 'h2.html'], 'merge_html.pdf')
pdfkit.from_url(['google.com', 'yandex.ru', 'engadget.com'], 'out.pdf') pdfkit.from_file(['file1.html', 'file2.html'], 'out.pdf')
3.pdf的options选项，设置页眉，页脚，页边距，等等功能...
更多option功能可以访问wkhtmltopdf的命令行选项，在命令行中输入wkhtmltopdf -h,会有超级多的选项，需要哪个功能学习哪个，或者直接看wkhtmltopdf options文档→，查到哪个option，就放到下面的字典中，key和vlue型。
options = {
'page-size': 'A4', # A4(default), Letter（书信大小）, A0，A1,B1，etc（等等）.
'margin-top': '0.75in', # 页面上边距
'margin-right': '0.25in',
'margin-bottom': '0.75in',
'margin-left': '0.25in',
'minimum-font-size': '30', # 页面字体大小
'footer-left': my_ip_word, # 左页脚设定文本，center，left，right
# 'header-center': my_ip_word, # 页眉中间，
'footer-font-size': '8',
# 'header-font-size': '8',
'encoding': "UTF-8" # 设定生成pdf文件为utf-8编码，避免生成pdf中文乱码
'custom-header' : [ # 它的request的headers ua标识头
('Accept-Encoding', 'gzip')
]
'cookie': [ # request的cookies值，应该是在from_url中使用
#其实本地数据无需使用这个cookies以及headers，直接用requests将数据提取出来
('cookie-name1', 'cookie-value1'),
('cookie-name2', 'cookie-value2'),
],
}
pdfkit.from_file(html_path, '06.pdf', options=options)
}
下面是ISO标准的页面尺寸大小，
| QPrinter::A0 | 5 | 841 x 1189 mm |
|---|---|---|
| QPrinter::A1 | 6 | 594 x 841 mm |
| QPrinter::A2 | 7 | 420 x 594 mm |
| QPrinter::A3 | 8 | 297 x 420 mm |
| QPrinter::A4 | 0 | 210 x 297 mm, 8.26 x 11.69 inches |
| QPrinter::A5 | 9 | 148 x 210 mm |
| QPrinter::A6 | 10 | 105 x 148 mm |
| QPrinter::A7 | 11 | 74 x 105 mm |
| QPrinter::A8 | 12 | 52 x 74 mm |
| QPrinter::A9 | 13 | 37 x 52 mm |
| QPrinter::B0 | 14 | 1000 x 1414 mm |
| QPrinter::B1 | 15 | 707 x 1000 mm |
| QPrinter::B2 | 17 | 500 x 707 mm |
| QPrinter::B3 | 18 | 353 x 500 mm |
| QPrinter::B4 | 19 | 250 x 353 mm |
| QPrinter::B5 | 1 | 176 x 250 mm, 6.93 x 9.84 inches |
| QPrinter::B6 | 20 | 125 x 176 mm |
| QPrinter::B7 | 21 | 88 x 125 mm |
| QPrinter::B8 | 22 | 62 x 88 mm |
| QPrinter::B9 | 23 | 33 x 62 mm |
| QPrinter::B10 | 16 | 31 x 44 mm |
| QPrinter::C5E | 24 | 163 x 229 mm |
| QPrinter::Comm10E | 25 | 105 x 241 mm, U.S. Common 10 Envelope |
| QPrinter::DLE | 26 | 110 x 220 mm |
| QPrinter::Executive | 4 | 7.5 x 10 inches, 190.5 x 254 mm |
| QPrinter::Folio | 27 | 210 x 330 mm |
| QPrinter::Ledger | 28 | 431.8 x 279.4 mm |
| QPrinter::Legal | 3 | 8.5 x 14 inches, 215.9 x 355.6 mm |
| QPrinter::Letter | 2 | 8.5 x 11 inches, 215.9 x 279.4 mm |
| QPrinter::Tabloid | 29 | 279.4 x 431.8 mm |
| QPrinter::Custom | 30 | Unknown, or a user defined size. |
注意事项 1.pdfkit_from_file中的中file必须是用utf8编码，因为如果内容 有中文的话，会出现合成的pdf中文乱码，因为pdfkit默认不支持中文编码，所以自己添加一个呗，所以在写入file.html的时候需使用将html代码用utf8编码
html_data = ''
with open('file.html', 'ab', encoding='utf8') as f:
f.write(html_data)
或者直接是f.write(html_data.encode('utf8'))
2.或者在html的文件的head首部加上,声明这个html使用
<head><meta charset="UTF-8"></head>
3、html2text
安装：pip install html2text，更新：pip install html2text --upgrade
介绍：转换强大，没有什么错误，就是有点缺陷的就是，其实也不能说是缺陷，是网站的数据问题。就是有的图片链接是基于web主页链接的一个子链接,例如：/2020/test.jpg,这样的话如果你不进行图片链接不全，他就会默认这样 [!test] ](/2020/test.jpg),所以还是需要自己进行判断和修补。
import html2text # 1.使用类方法 h = html2text.HTML2Text() # 定义一个HTML2Text对象 h.ignore_links = True # 是否屏蔽连接 html = '<p>是你吗教主<a href="http://www.baidu.com">是吗？</a></p>' md_data = h.handle(html) print(md_data) # 是你吗教主[是吗？](http://www.baidu.com) False # 是你吗教主是吗？ Ture # 2.基础用法： md_data_base = html2text.html2text(html) print(md_data_base) # 是你吗教主[是吗？](http://www.baidu.com)
4、pandoc
文档界格式转换最强大的的库软件，和音视频界的ffmpeg的地位一样，都是神器，文档地址→ 用到那个就学习那个功能，个人觉得没必要都学习，也没那时间，除非要基于pandoc做一款产品的时候，那时候就需要精通功能以及源码了。
pandoc下载地址：地址→
3.2markdown转word：
pandoc md_file.md -o word.docx
在python中直接：用格式符%s，然后用subprocess.Popen异步执行cmd，就可以进行转换
from subprocess import Popen cmd = 'pandoc %s.md -o %s.docx' % (md_path, word_path) Popen(cmd) # 注意这个Popen执行cmd命令是异步的，并不会阻塞进程，但是就有点缺点，你不知道他什么时候执行完毕，如果你想通过转换后的的文件的是否存在，来触发事件，
