筆者在今天的工作中，遇到了一個需求，那就是如何將Python字符串生成PDF。比如，需要把Python字符串‘這是測試文件’生成為PDF, 該PDF中含有文字‘這是測試文件’。
經過一番檢索，筆者決定采用wkhtmltopdf這個軟件，它可以將HTML轉化為PDF。wkhtmltopdf的訪問網址為：https://wkhtmltopdf.org/downloads.html ，讀者可根據自己的系統下載對應的文件並安裝。安裝好wkhtmltopdf，我們再安裝這個軟件的Python第三方模塊——pdfkit，安裝方式如下：
pip install pdfkit
我們再討論如下問題：
- 如何將Python字符串生成PDF；
- 如何生成PDF中的表格；
- 解決PDF生成速度慢的問題。
如何將Python字符串生成PDF
該問題的解決思路還是利用將Python字符串嵌入到HTML代碼中解決，注意換行需要用<br>標簽，示例代碼如下：
import pdfkit
# PDF中包含的文字
content = '這是一個測試文件。' + '<br>' + 'Hello from Python!'
html = '<html><head><meta charset="UTF-8"></head>' \
'<body><div align="center"><p>%s</p></div></body></html>'%content
# 轉換為PDF
pdfkit.from_string(html, './test.pdf')
輸出的結果如下：
Loading pages (1/6)
Counting pages (2/6)
Resolving links (4/6)
Loading headers and footers (5/6)
Printing pages (6/6)
Done
生成的test.pdf如下：
如何生成PDF中的表格
接下來我們考慮如何將csv文件轉換為PDF中的表格，思路還是利用HTML代碼。示例的iris.csv文件（部分）如下：
將csv文件轉換為PDF中的表格的Python代碼如下：
import pdfkit
# 讀取csv文件
with open('iris.csv', 'r') as f:
lines = [_.strip() for _ in f.readlines()]
# 轉化為html中的表格樣式
td_width = 100
content = '<table width="%s" border="1" cellspacing="0px" style="border-collapse:collapse">' % (td_width*len(lines[0].split(',')))
for i in range(len(lines)):
tr = '<tr>'+''.join(['<td width="%d">%s</td>'%(td_width, _) for _ in lines[i].split(',')])+'</tr>'
content += tr
content += '</table>'
html = '<html><head><meta charset="UTF-8"></head>' \
'<body><div align="center">%s</div></body></html>' % content
# 轉換為PDF
pdfkit.from_string(html, './iris.pdf')
生成的PDF文件為iris.pdf，部分內容如下：
解決PDF生成速度慢的問題
用pdfkit生成PDF文件雖然方便，但有一個比較大的缺點，那就是生成PDF的速度比較慢，這里我們可以做個簡單的測試，比如生成100份PDF文件，里面的文字為“這是第*份測試文件！”。Python代碼如下：
import pdfkit
import time
start_time = time.time()
for i in range(100):
content = '這是第%d份測試文件！'%(i+1)
html = '<html><head><meta charset="UTF-8"></head>' \
'<body><div align="center">%s</div></body></html>' % content
# 轉換為PDF
pdfkit.from_string(html, './test/%s.pdf'%(i+1))
end_time = time.time()
print('一共耗時：%s 秒.' %(end_time-start_time))
在這個程序中，生成100份PDF文件一共耗時約192秒。輸出結果如下：
......
Loading pages (1/6)
Counting pages (2/6)
Resolving links (4/6)
Loading headers and footers (5/6)
Printing pages (6/6)
Done
一共耗時：191.9226369857788 秒.
如果想要加快生成的速度，我們可以使用多線程來實現，主要使用concurrent.futures模塊，完整的Python代碼如下：
import pdfkit
import time
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED
start_time = time.time()
# 函數: 生成PDF
def convert_2_pdf(i):
content = '這是第%d份測試文件！'%(i+1)
html = '<html><head><meta charset="UTF-8"></head>' \
'<body><div align="center">%s</div></body></html>' % content
# 轉換為PDF
pdfkit.from_string(html, './test/%s.pdf'%(i+1))
# 利用多線程生成PDF
executor = ThreadPoolExecutor(max_workers=10) # 可以自己調整max_workers,即線程的個數
# submit()的參數： 第一個為函數， 之后為該函數的傳入參數，允許有多個
future_tasks = [executor.submit(convert_2_pdf, i) for i in range(100)]
# 等待所有的線程完成，才進入后續的執行
wait(future_tasks, return_when=ALL_COMPLETED)
end_time = time.time()
print('一共耗時：%s 秒.' %(end_time-start_time))
在這個程序中，生成100份PDF文件一共耗時約41秒，明顯快了很多～
注意：不妨了解下筆者的微信公眾號： Python爬蟲與算法（微信號為：easy_web_scrape）， 歡迎大家關注~