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)

MdToHtml

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")

HtmlToPdf

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)

AllPdf

markdown转为pdf文件的更多相关文章

  1. 将doc文件批量转为pdf文件

    需要将不少doc文件转为pdf,WPS带有这种功能,但是鼠标点击次数太多以后整个人都变得很烦躁 用了一下午去搜这方面的工具软件,找到若干.有一些免费,有一些试用的,但总归就找到一个真正能用,虽说生成的 ...

  2. php 查询mysql数据批量转为PDF文件二（批量使用wkhtmltopdf html导出PDF）

    上节讲到配置wkhtmltopdf,这节讲下如何批量操作 首先讲下wkhtmltopdf如何使用 直接命令行输入: wkhtmltopdf http://www.baidu.com/  baidu.p ...

  3. 将Rmarkdown文件转为pdf文件

    knitr包只能够将R markdown文件转为html格式,若想要将其转化为pdf格式,还要安装另一个包 # Install and load package install.packages(&q ...

  4. windows使用Pandoc将Markdown转换为PDF文件

    pandoc下载:https://github.com/jgm/pandoc/releases/tag/1.19.2.1 //windows下载msi文件 miktex下载:https://mikte ...

  5. php 查询mysql数据批量转为PDF文件一（mac使用配置wkhtmltopdf html导出PDF）

    数据转标准PDF查文档,查资料先转HTML标准格式再html转PDF 转PDF wkhtmltopdf工具是最佳选择 首先下载wkhtmltopdf https://wkhtmltopdf.org/d ...

  6. [原创]使用Pandoc实现Markdown文件转PDF文件

    Markdown写法简单明快,我十分喜欢,以至于我最近都想使用Markdown快速的进行测试说明书的写作,但是考虑到这文档是要进行交接的,一个.md的文件在内部传输还是有不便,于是就想到了能不能把Ma ...

  7. openoffice启动服务并将office文件转换为pdf文件

    1.首先下载最新版的openoffice工具,安装完成之后安装服务,, win+r打开命令提示符 输入cmd,cd C:\Program Files (x86)\OpenOffice 4\progra ...

  8. Office系列(1)---将Office文件(Word、PPT、Excel)转换为PDF文件

    需求: 将Office文件作为文章并在网页上预览,主要为(Word.PPT.Excel)3种类型文件. 研究了一下,找到了两种解决方案 直接调用微软的在线预览功能实现(预览前提:预览资源必须可以直接通 ...

  9. PDF文件如何转成markdown格式

    百度上根据pdf转makrdown为关键字进行搜索,结果大多数是反过来的转换,即markdown文本转PDF格式. 但是PDF转markdown的解决方案很少. 正好我工作上有这个需求,所以自己实现了 ...

随机推荐

  1. Delphi多线程详解

    (整理自网络) Delphi多线程处理 1-1多线程的基本概念 WIN 98/NT/2000/XP 是个多任务操作系统,也就是:一个进程可以划分为多个线程,每个线程轮流占用CPU 运行时间和资源,或者 ...

  2. POJ3356-AGTC-dp+字符串处理

    Let x and y be two strings over some finite alphabet A. We would like to transform x into y allowing ...

  3. 2016 ICPC Mid-Central USA Region J. Windy Path (贪心)

    比赛链接:2016 ICPC Mid-Central USA Region 题目链接:Windy Path Description Consider following along the path ...

  4. vue组件通信之非父子组件通信

    什么顺序不顺序的.. 先来说说非父子组件通信. 首先,我们先来了解下vue中的 1.$emit  触发当前实例上的事件,附加参数都会传给监听器回调. 2.$on  监听当前实例上的自定义事件.事件可以 ...

  5. web项目中实现页面跳转的两种方式

    <a href="javascript:"></a>跳转在网页本身,URL不改变 <a href="#"></a> ...

  6. cm 安装cdh 后添加hive服务

    cm 安装cdh 后添加hive服务,出现错误提示 添加服务时候hive 配置如下: 错误信息提示: 错误日志: xec /opt/cloudera/parcels/CDH-5.4.7-1.cdh5. ...

  7. awesome mac

    https://proxyman.app/ https://proxie.app/docs/#how-does-it-work https://github.com/kyleduo/TinyPNG4M ...

  8. Spring事务详细解释

    前言 Spring在TransactionDefinition接口中规定了7种类型的事务传播行为.事务传播行为是Spring框架独有的事务增强特性,他不属于的事务实际提供方数据库行为.这是Spring ...

  9. python调用tushare获取IPO新股上市列表数据

    接口:new_share 描述:获取新股上市列表数据 限量:单次最大2000条,总量不限制 积分:用户需要至少120积分才可以调取,具体请参阅本文最下方积分获取办法 注:tushare包下载和初始化教 ...

  10. tcmalloc jemalloc 和ptmalloc 对比

    ptmalloc 是glibc的内存分配管理 tcmalloc 是google的内存分配管理模块 jemalloc 是BSD的提供的内存分配管理 三者的性能对比参考从网上的一个图如下: 自己测试了一下 ...