Python 实现高效PDF转换：从文本、图片到HTML的完整指南231

在日常开发和工作中，将各种格式的文件转换为PDF是一项常见的需求。PDF（Portable Document Format）以其跨平台、格式固定、易于打印和分享等特性，成为了文档交换和归档的标准。Python作为一门功能强大且生态丰富的编程语言，提供了多种库和方法来实现高效的PDF转换。本文将作为一份全面的指南，详细介绍如何使用Python将文本、图片、HTML等多种常见格式转换为PDF，并探讨一些高级用法和注意事项。

Python在PDF处理方面拥有众多优秀的库，它们各自擅长不同的场景：
FPDF2 和 ReportLab：主要用于从零开始创建PDF，或将结构化数据（如文本、表格）渲染为PDF。
img2pdf：专注于将图片文件转换为PDF。
WeasyPrint 或 xhtml2pdf：用于将HTML/CSS内容渲染为PDF，特别适合带有复杂布局和样式的Web页面。
PyPDF2 / pypdf：用于对已存在的PDF文件进行操作，如合并、分割、加密、提取内容等，而非生成。

1. 文本文件转换为PDF

将纯文本文件（如.txt）转换为PDF通常是最直接的需求。我们可以使用FPDF2库来实现这一功能，它提供了简单直观的API来添加文本和设置样式。

首先，安装fpdf2库：pip install fpdf2

以下是一个将文本内容写入PDF的示例：from fpdf import FPDF
def text_to_pdf(text_file_path, output_pdf_path):
pdf = FPDF()
pdf.add_page()
pdf.set_font("Arial", size=12)
try:
with open(text_file_path, "r", encoding="utf-8") as f:
for line in f:
# write 方法会自动处理换行
(8, line) # 8是行高
except FileNotFoundError:
print(f"Error: Text file not found at {text_file_path}")
return
(output_pdf_path)
print(f"Successfully converted '{text_file_path}' to '{output_pdf_path}'")
# 创建一个示例文本文件
with open("", "w", encoding="utf-8") as f:
("Hello, this is a sample text document.")
("It contains multiple lines of text.")
("We will convert this text file into a PDF using Python.")
("Special characters like 中文 should also work fine.")
# 调用函数进行转换
text_to_pdf("", "")

在上述代码中，我们逐行读取文本文件，并使用()方法将其内容写入PDF。FPDF2还支持设置字体、颜色、大小、对齐方式等，以实现更丰富的文本布局。

2. 图片文件转换为PDF

将一个或多个图片文件（如.jpg, .png）转换为PDF是另一个常见场景，例如将扫描件或照片集打包成一个文档。img2pdf库是处理这种需求的最佳选择，它能够高效地将图片转换为高保真度的PDF，而不会损失质量。

首先，安装img2pdf库：pip install img2pdf Pillow

这里我们同时安装了Pillow，虽然img2pdf本身不需要Pillow来执行转换，但在实际应用中，你可能需要用Pillow对图片进行预处理（如缩放、旋转）

以下是将单张或多张图片转换为PDF的示例：import img2pdf
from PIL import Image # 用于创建示例图片
def images_to_pdf(image_paths, output_pdf_path):
if not image_paths:
print("Error: No image paths provided.")
return
try:
with open(output_pdf_path, "wb") as f:
# 可以接受一个图片路径列表
# 或一个已打开的图片文件对象列表
((image_paths))
print(f"Successfully converted images to '{output_pdf_path}'")
except Exception as e:
print(f"Error converting images to PDF: {e}")
# 创建示例文本图片
img1 = ('RGB', (600, 400), color = 'red')
('')
img2 = ('RGB', (800, 600), color = 'blue')
('')
# 调用函数进行转换
images_to_pdf(["", ""], "")

img2pdf的优点在于它能够直接将图片数据流嵌入到PDF中，避免了重新编码带来的质量损失和性能开销。

3. HTML内容转换为PDF

将带有复杂样式和布局的HTML内容转换为PDF，是Web开发和报告生成中常见的需求。WeasyPrint是一个强大的Python库，它能够将HTML和CSS渲染成高质量的PDF，支持各种CSS3特性。

安装WeasyPrint库相对复杂一些，因为它依赖于一些系统级的渲染引擎（如Pango, Cairo）。在Linux上，你可以通过包管理器安装这些依赖；在macOS和Windows上，可能需要手动安装或使用预编译的二进制文件。以下是在Linux上的安装示例：sudo apt-get install python3-dev libffi-dev libcairo2 libpango-1.0-0 libgdk-pixbuf2.0-0 libxml2-dev libxslt1-dev
pip install WeasyPrint

在Windows上，你可以尝试使用Scoop或Chocolatey来安装Gtk+或其他依赖，或者直接从查看详细的安装指南。

以下是将HTML字符串或文件转换为PDF的示例：from weasyprint import HTML, CSS
def html_to_pdf(html_content, output_pdf_path):
try:
HTML(string=html_content).write_pdf(output_pdf_path)
print(f"Successfully converted HTML to '{output_pdf_path}'")
except Exception as e:
print(f"Error converting HTML to PDF: {e}")
def html_file_to_pdf(html_file_path, output_pdf_path):
try:
HTML(filename=html_file_path).write_pdf(output_pdf_path)
print(f"Successfully converted '{html_file_path}' to '{output_pdf_path}'")
except FileNotFoundError:
print(f"Error: HTML file not found at {html_file_path}")
except Exception as e:
print(f"Error converting HTML file to PDF: {e}")
# 示例HTML内容
sample_html_content = """



Sample HTML to PDF

body { font-family: 'Arial', sans-serif; margin: 2cm; }
h1 { color: #3498db; text-align: center; }
p { line-height: 1.5; text-indent: 2em; }
.highlight { background-color: #f1c40f; padding: 5px; }
img { max-width: 100%; height: auto; display: block; margin: 10px auto; }

这是一个使用 WeasyPrint 将HTML内容渲染为PDF的演示。您可以利用CSS来控制布局和样式。

支持复杂的CSS选择器、字体、颜色和盒子模型。

列表项 1
列表项 2
列表项 3



"""
# 将HTML字符串转换为PDF
html_to_pdf(sample_html_content, "")
# 将HTML文件转换为PDF (先创建一个示例HTML文件)
with open("", "w", encoding="utf-8") as f:
(sample_html_content)
html_file_to_pdf("", "")

WeasyPrint是处理Web内容转换为PDF的强大工具，特别适合需要保留复杂CSS样式的场景。如果你需要将整个网页（包含JS动态内容）转换为PDF，可能需要结合Selenium或其他无头浏览器工具，先渲染出最终的HTML，再将其传递给WeasyPrint。

4. 从零开始生成复杂PDF（使用ReportLab）

虽然FPDF2适合简单的文本和表格，但如果需要生成具有复杂布局、图表、图形和多媒体元素的专业级报告或发票，ReportLab是更专业的选择。它的学习曲线稍陡，但功能极其强大。

安装ReportLab库：pip install reportlab

以下是一个使用ReportLab生成包含标题和段落的PDF的简化示例：from import SimpleDocTemplate, Paragraph, Spacer
from import getSampleStyleSheet
from import inch
def generate_complex_pdf(output_pdf_path):
doc = SimpleDocTemplate(output_pdf_path)
styles = getSampleStyleSheet()
story = []
# 添加标题
(Paragraph("Python生成复杂PDF报告", styles['h1']))
(Spacer(1, 0.2 * inch))
# 添加段落
(Paragraph("ReportLab是一个功能强大的Python库，用于创建高质量的PDF文档。", styles['Normal']))
(Spacer(1, 0.1 * inch))
(Paragraph("它可以处理复杂的布局、表格、图像、图表等元素。", styles['Normal']))
(Spacer(1, 0.1 * inch))
(Paragraph("这只是一个简单的示例，展示了如何使用Paragraph和Spacer。", styles['Normal']))
(Spacer(1, 0.1 * inch))
# 更多内容，例如添加表格或图片
# from import Table, TableStyle
# from import colors
# data = [['Header 1', 'Header 2'], ['Row 1 Col 1', 'Row 1 Col 2']]
# table = Table(data)
# (TableStyle([
# ('BACKGROUND', (0, 0), (-1, 0), ),
# ('TEXTCOLOR', (0, 0), (-1, 0), ),
# ('ALIGN', (0, 0), (-1, -1), 'CENTER'),
# ('FONTNAME', (0, 0), (-1, 0), 'Helvetica-Bold'),
# ('BOTTOMPADDING', (0, 0), (-1, 0), 12),
# ('BACKGROUND', (0, 1), (-1, -1), ),
# ('GRID', (0, 0), (-1, -1), 1, )
# ]))
# (table)
# (Spacer(1, 0.2 * inch))
(story)
print(f"Successfully generated complex PDF to '{output_pdf_path}'")
# 调用函数
generate_complex_pdf("")

ReportLab采用“故事”（Story）的概念，通过将各种“流式对象”（Flowables，如Paragraph, Table, Image）添加到故事中，然后由SimpleDocTemplate或BaseDocTemplate构建出最终的PDF。这使得创建高度定制化的文档成为可能。

5. 其他转换场景与注意事项

5.1 Office文档（Word, Excel, PowerPoint）转换为PDF

将Office文档转换为PDF是一个更复杂的任务，因为Python库通常不直接支持Office文件的渲染引擎。常见的解决方案包括：
使用Microsoft Office COM自动化（仅限Windows）：如果你在Windows环境下，可以通过pywin32库与Office应用程序进行交互，调用其内置的PDF导出功能。但这依赖于安装的Office版本，且不跨平台。
使用LibreOffice/OpenOffice：这些开源办公套件支持命令行转换，你可以通过Python的subprocess模块调用它们进行转换。这是跨平台但需要预装软件的解决方案。
在线服务/API：使用第三方在线转换服务（如 Cloud, CloudConvert等）提供的API进行转换。
Pandoc：一个强大的文档转换工具，支持多种格式转换，包括Word到PDF，也可以通过subprocess调用。

例如，使用LibreOffice的命令行转换：import subprocess
import os
def office_to_pdf_libreoffice(input_file, output_dir):
try:
# LibreOffice的路径可能因操作系统和安装方式而异
# Windows: '' 或 'C:\Program Files\\LibreOffice\\program\\'
# Linux: 'libreoffice'
# macOS: '/Applications//Contents/MacOS/soffice'
cmd = ['libreoffice', '--headless', '--convert-to', 'pdf', input_file, '--outdir', output_dir]
(cmd, check=True)
print(f"Successfully converted '{input_file}' to PDF in '{output_dir}'")
except FileNotFoundError:
print("Error: LibreOffice command not found. Please ensure LibreOffice is installed and in your PATH.")
except as e:
print(f"Error during LibreOffice conversion: {e}")
except Exception as e:
print(f"An unexpected error occurred: {e}")
# 注意：此示例不会运行，除非你的系统中安装了LibreOffice，
# 并且'libreoffice'命令在PATH中或你提供了完整的路径。
# office_to_pdf_libreoffice("", "./")

5.2 现有PDF的合并、分割与编辑

虽然本文主要讨论“转换”，但值得一提的是，Python在处理已存在的PDF文件方面同样强大。pypdf（或其前身PyPDF2）是进行这类操作的常用库：
合并PDF：将多个PDF文件合并成一个。
分割PDF：将一个PDF文件分割成多个独立的文件。
添加水印、加密、解密：对PDF进行安全和美观处理。
提取文本和图片：从PDF中获取内容。

使用pypdf非常简单：pip install pypdf
from pypdf import PdfWriter, PdfReader
def merge_pdfs(pdf_paths, output_path):
merger = PdfWriter()
for pdf in pdf_paths:
(pdf)
(output_path)
()
print(f"Merged {len(pdf_paths)} PDFs into '{output_path}'")
# 例如： merge_pdfs(["", ""], "")

5.3 性能与优化

处理大型文件或批量转换时，性能是一个重要考量。

对于img2pdf，它已经非常高效，因为它直接将JPEG或PNG数据嵌入PDF，避免了重新压缩。
对于WeasyPrint和ReportLab，复杂的HTML/CSS布局或大量的报告元素可能会影响性能。考虑优化你的HTML/CSS，或者简化ReportLab的生成逻辑。
在调用外部程序（如LibreOffice）时，subprocess的开销可能会较大，尤其是在批量处理时。

Python凭借其丰富的库生态，为PDF转换提供了多样化的解决方案。无论是简单的文本到PDF、优雅的图片打包、复杂的HTML网页渲染，还是从零开始构建专业级报告，Python都能胜任。在选择合适的工具时，你需要根据你的具体需求（输入格式、输出质量、复杂程度、是否需要跨平台、是否有外部依赖等）来做出判断。

掌握这些转换技巧，将大大提升你在文档处理和自动化报告生成方面的能力，让Python真正成为你工作中的利器。

2025-10-10

上一篇：Python字符串差集：核心概念、多种实现与高级应用场景深度解析

下一篇：Python JSON数据提取：从解析到深度应用，实现高效数据处理