如何用Python将HTML资料快速转换为PDF教程，解决上千页打印难题

公众号“菜鸟学Python”，设为“star”

第451篇原创文章，30万+学Python！

临近开学，大家都忙着准备各种学习材料，准备在新学期好好学习，充实自己。小编身边的同学也是如此。最近，我的同学小丽遇到了一个非常棘手的问题。

她想把网页上的Python学习教程打印出来，方便自己学习。不过，手动将几千页的教程一张一张地转换成PDF并保存在本地确实很麻烦。

这是html转pdf的问题。其实网上有很多好的html资源，但是学习起来很困难，也不方便！于是小编就答应小丽，这件小事就由我来处理。今天小编就给大家分享一下如何使用Python将html数据转为pdf。

01. 抓取学习资料

如今，互联网上有大量的在线学习资料。为了方便讲解，小编以python3.9.2的中文文档作为演示例子，截取并保存到本地。网页链接如下：

打开上面的链接后，你会发现网页上不同内容的链接地址，包括基本的python字符、python语法等。

02. 获取网页链接

上图中，我们需要特别注意的是用红色方块标记的链接。每个链接都会跳转到对应的子页面，而子页面中，就是我们要保存的内容。

可以看到，上图中，python快速概述子页面包含了我们需要提取的文本内容。所以将html内容保存为pdf的第一步是获取子页面的链接。由于大多数教程都有固定的内容，因此大多数教程网页都使用静态页面。可以在网页源代码中轻松找到子页面的网页链接。

对于子网页的链接抓取，程序如下所示：

程序中使用BeautifulSoup库解析网页源代码，然后提取所有子页面链接地址并返回。如果抓取失败，则直接返回None。

03.html转pdf

获取子网页的链接后，下一步是将html子网页保存为pdf文件。编辑器使用的pdfkit库可以将网页保存为pdf文档。首先介绍一下pdfkit库的安装。

按照上述操作流程安装pdfkit库。对于pdfkit库的使用，常见的用法有以下三种：

上面的程序主要完成几个步骤：

首先，需要指定wkhtmltopdf.exe文件的路径；

因此pdfkit库只能将子网页保存为单独的pdf文档，而无法通过pdfkit库直接将所有子网页拼接成完整的pdf文档。编辑器使用PyPDF2库中的PdfFileMerger类来实现pdf文档的拼接。程序如下图所示。

程序中，首先将所有HTML网页保存为单独的PDF文档，然后通过PdfFileMerger类对象对PDF文档进行拼接。最后就可以得到所有的pdf内容了。最后我们通过视频展示来看看程序的效果。

另外，该程序不仅可以爬取python3.9的中文文档，还可以通过修改获取网页链接的程序来爬取其他在线文档。例如，对于爬取Flask中文文档，程序只需要进行如下所示的修改，即可将Flask的在线文档保存为PDF文档。

04.总结

学习Python其实很有趣，也很有用。由于Python拥有大量现成的库，它可以帮助我们轻松解决工作中的许多琐碎麻烦。小编对上面的程序稍作修改，很快就帮阿丽完成了教程，保存为pdf并发送给她。小编和女神的关系更加亲密了。

其实源码很简单，大家敲一下就行了（读万卷还不如自己敲）。有不懂的地方可以问小助手（进入公众号后台：小助手）。

为了方便大家更好的理解，我们会在B站录制一个完整的视频（详细见原文）来一步步讲解程序，然后将源码和视频一起提供！