python --html转pdf/pdf分页优化

python 复制代码
import os

class HtmlToPdfConverter:
    """
    HTML转PDF工具类（基于wkhtmltopdf）
    核心功能：自动检测HTML中是否包含表格，仅在有表格时注入分页优化CSS，避免表格跨页重叠
    """
    
    def __init__(self):
        """初始化转换器，无需额外参数"""
        pass

    def _has_table(self, html_content):
        """
        私有方法：判断HTML内容中是否包含表格标签
        :param html_content: 读取的HTML文本内容
        :return: bool - True（有表格）/False（无表格）
        """
        # 转小写避免大小写标签问题（如<TABLE>、<table>）
        return '<table' in html_content.lower()

    def _inject_precise_css(self, html_path):
        """
        私有方法：注入精准的分页CSS（仅防行断裂，不禁止表格分页）
        :param html_path: HTML文件路径
        """
        # 定义分页优化CSS
        precise_css = """
        <style>
        tr {
            page-break-inside: avoid !important;
            page-break-after: auto !important;
        }
        td, th {
            page-break-inside: avoid !important;
            white-space: normal !important;
            word-wrap: break-word !important;
        }
        table {
            border-collapse: collapse !important;
            page-break-inside: auto !important;
            width: 100% !important;
        }
        body {
            page-break-inside: auto !important;
            margin: 0;
            padding: 0;
        }
        </style>
        """
        
        # 读取HTML内容
        with open(html_path, 'r', encoding='utf-8') as f:
            html_content = f.read()
        
        # 仅当包含表格时才注入CSS
        if self._has_table(html_content):
            # 优先插入到<head>标签内，无<head>则加在开头
            if '<head>' in html_content:
                new_content = html_content.replace('<head>', f'<head>{precise_css}')
            else:
                new_content = precise_css + html_content
            
            # 写回HTML文件
            with open(html_path, 'w', encoding='utf-8') as f:
                f.write(new_content)

    def html2pdf_new(self, group_path, msg_path):
        """
        对外公开方法：执行HTML转PDF（核心逻辑）
        :param group_path: 存放report.html的目录路径
        :param msg_path: 输出PDF文件的目录路径
        """
        # 拼接文件完整路径
        report_path = os.path.join(group_path, "report.html")
        target_path = os.path.join(msg_path, "html_pdf.pdf")

        # 仅当有表格时注入CSS，无表格则跳过
        self._inject_precise_css(report_path)

        # 构造wkhtmltopdf命令（保留核心优化参数）
        cmd = (
            "wkhtmltopdf "
            "--encoding 'utf-8' "          # 编码设置，防止中文乱码
            "--disable-smart-shrinking "   # 禁用智能压缩，避免表格挤压重叠
            "--enable-local-file-access "  # 允许加载本地文件（CSS/图片）
            "{} {}".format(report_path, target_path)
        )
        
        # 执行命令行转换
        os.system(cmd)


# ===================== 使用示例 =====================
if __name__ == "__main__":
    # 1. 实例化转换器
    converter = HtmlToPdfConverter()
    
    # 2. 调用转换方法（传入实际路径）
    # converter.html2pdf_new("你的report.html所在目录", "你要输出PDF的目录")
    # 示例：
    # converter.html2pdf_new(r"C:\data\group", r"C:\data\msg")
官网下载地址：https://wkhtmltopdf.org/downloads.html