要求:
把.md格式转为.pdf格式,并批量处理,最后将多个pdf文件合并为一个pdf并以文件名作为书签名
解决思路:
1.md格式的markdown文件转为html
为了将 md 格式转换成 html 文件,我们需要用到 markdown 和 codecs 这两个库。
pip install markdown
完整代码如下:
import markdown
import os
import codecs
head = """<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />
<style type="text/css">
code {
color: inherit;
background-color: rgba(0, 0, 0, 0.05);
}
</style>
</head>
<body>
"""
foot = """
</body>
</html>
"""
filepath = "E:/Data/RenZhengfei-master/ALL"
savepath = "E:/Data/RenZhengfei-master/ALL-html"
if not os.path.isdir(savepath):
os.mkdir(savepath)
os.chdir(savepath)
i = 0
pathDir = os.listdir(filepath)
for allDir in pathDir:
if (allDir == "pdf"):
continue
name = allDir
print(name)
os.chdir(filepath)
fp1 = codecs.open(name, mode="r", encoding="utf-8")
text = fp1.read()
html = markdown.markdown(text)
fp1.close()
#print(html)
fname = name.replace('md', 'html')
#f2 = '%s.html' % (fname)
os.chdir(savepath)
fp2 = codecs.open(fname, "w", encoding="utf-8", errors="xmlcharrefreplace")
fp2.write(head + html + foot)
fp2.close()
print(i)
2.html格式文件转为pdf
wkhtmltopdf 是一个开源、简单而有效的命令行 shell 程序,它可以将任何 HTML (网页)转换为 PDF 文档或图像(jpg、png 等)。
我们首先需要去官网去下载对应的程序到本地环境中 :https://wkhtmltopdf.org/downloads.html
也可以直接使用pip安装
pip install pdfkit
完整代码如下:
import time
import pdfkit
import os
wk_path = r'E:/wkhtmltox/bin/wkhtmltopdf.exe'
config = pdfkit.configuration(wkhtmltopdf=wk_path)
filepath = "E:/Data/RenZhengfei-master/ALL-html"
savepath = "E:/Data/RenZhengfei-master/ALL-pdf"
time1 = time.time()
pathDir = os.listdir(filepath)
for allDir in pathDir:
if (allDir == "pdf"):
continue
name = allDir
print(name)
htmlpath=filepath+"\\"+name
print(htmlpath)
name = name.replace('html', 'pdf')
os.chdir(savepath)
pdfkit.from_url(htmlpath, name, configuration=config)
#pdfkit.from_url(url, name, configuration=config)
time2 = time.time()
print(str(time2 - time1)+" s")
3.合并多个pdf文件
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
'''
本脚本用来合并pdf文件,支持带一级子目录的
每章内容分别放在不同的目录下,目录名为章节名
最终生成的pdf,按章节名生成书签
'''
import os, sys, codecs
from PyPDF2 import PdfFileReader, PdfFileWriter, PdfFileMerger
import glob
def getFileName(filepath):
'''获取当前目录下的所有pdf文件'''
file_list = glob.glob(filepath+"/*.pdf")
# 默认安装字典序排序,也可以安装自定义的方式排序
# file_list.sort()
return file_list
def get_dirs(filepath='', dirlist_out=[], dirpathlist_out=[]):
# 遍历filepath下的所有目录
for dir in os.listdir(filepath):
dirpathlist_out.append(filepath + '\\' + dir)
return dirpathlist_out
def merge_childdir_files(path):
'''每个子目录下合并生成一个pdf'''
dirpathlist = get_dirs(path)
if len(dirpathlist) == 0:
print("当前目录不存在子目录")
sys.exit()
for dir in dirpathlist:
mergefiles(dir, dir)
def mergefiles(path, output_filename, import_bookmarks=False):
#遍历目录下的所有pdf将其合并输出到一个pdf文件中,输出的pdf文件默认带书签,书签名为之前的文件名
#默认情况下原始文件的书签不会导入,使用import_bookmarks=True可以将原文件所带的书签也导入到输出的pdf文件中
merger=PdfFileMerger()
filelist=getFileName(path)
if len(filelist)==0:
print("当前目录及子目录下不存在pdf文件")
sys.exit()
for filename in filelist:
f=codecs.open(filename,'rb')
file_rd=PdfFileReader(f)
short_filename=os.path.basename(os.path.splitext(filename)[0])
if file_rd.isEncrypted==True:
print('不支持的加密文件:%s'%(filename))
continue
merger.append(file_rd,bookmark=short_filename,import_bookmarks=import_bookmarks)
print('合并文件:%s'%(filename))
f.close()
#out_filename=os.path.join(os.path.abspath(path),output_filename)
merger.write(output_filename+".pdf")
print('合并后的输出文件:%s'%(output_filename))
merger.close()
if __name__ == "__main__":
# 每个章节一个子目录,先分别合并每个子目录文件为一个pdf,然后再将这些pdf合并为一个大的pdf,这样做目的是想生成每个章节的书签
# 1.指定目录
# 原始pdf所在目录
path = "E:\Data\RenZhengfei-master\ALL-pdf"
# 输出pdf路径和文件名
output_filename = "E:\Data\RenZhengfei-master"
# 2.生成子目录的pdf
# merge_childdir_files(path)
# 3.子目录pdf合并为总的pdf
mergefiles(path, output_filename)