返回

HTML转PDF中的痛处与收获

后端

转HTML到PDF，网上有很多介绍，不过我的这次尝试，是一连串的问题与条件。

第一步，访问一个接口获取HTML并且转PDF，不能用插件，服务器不能装。对此，我用了下面这个方案：

```
from io import BytesIO
from xhtml2pdf import pisa
import requests

# 用 pip install xhtml2pdf 命令安装库

url = 'http://example.com'
response = requests.get(url)

# 将HTML字符串放在BytesIO对象里，BytesIO模拟了一个二进制文件
bio = BytesIO(response.content)

# 最终储存的PDF文件的地址
pdf_filename = 'your_file.pdf'

pdf = pisa.pisaDocument(bio, file(pdf_filename, "wb"))
if not pdf.err:
    print("转换完成！")
```

第二步，HTML并不符合XML标准，用XML解析器（render）肯定不合适，但我依然成功实现了HTML的解析，办法是利用正则表达式提取HTML里的内容，见下面例子：

```
import re

def cleanhtml(raw_html):
    cleanr = re.compile('<.*?>')
    cleantext = re.sub(cleanr, '', raw_html)
    return cleantext
```

第三步，既然用不上XML解析，当然也就不适合用XML解析器来把HTML转成PDF了，这倒不是什么大问题，cStringIO模块提供了StringIO对象，我们完全可以用StringIO对象实现和BytesIO对象一样的功能。

```
from cStringIO import StringIO

# ... 前面代码

bio = StringIO()
pdf = pisa.pisaDocument(bio, file(pdf_filename, "wb"))

# ... 后面代码
```

这之后，无论遇到什么问题，都不过是常规的PDF生成中遇到的问题罢了，也不足为奇了。