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:DataRenZhengfei-masterALL-pdf" # 输出pdf路径和文件名 output_filename = "E:DataRenZhengfei-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)