In questo articolo, esploreremo un semplice script Python per generare file PDF a partire da file HTML usando la libreria Pyppeteer, un'implementazione di Puppeteer per Python. Puppeteer è uno strumento sviluppato da Google che permette di controllare un browser tramite codice, offrendo la possibilità di automatizzare molte operazioni, tra cui il rendering di pagine web e la creazione di PDF. Vediamo come funziona il codice e come possiamo adattarlo alle nostre esigenze.
Pyppeteer è una libreria che replica le funzionalità di Puppeteer (originariamente sviluppato per JavaScript) in Python, permettendo di controllare il browser Chrome o Chromium. La sua capacità di generare PDF, screenshot e automatizzare interazioni con le pagine è particolarmente utile in contesti come la generazione di report, l'archiviazione di pagine web e lo scraping.
Prima di eseguire lo script, è necessario installare Pyppeteer. È possibile installarla tramite pip:
pip install pyppeteer
Vediamo ora il codice Python che consente di convertire file HTML in PDF.
import asyncio
import os
from pyppeteer import launch
async def create_pdf_from_html(html, pdf_path):
browser = await launch()
page = await browser.newPage()
await page.setContent(html)
await page.pdf({'path': pdf_path, 'format': 'A4'})
await browser.close()
async def main():
html_files_dir = './html'
pdf_files_dir = './pdf'
for html_file in os.listdir(html_files_dir):
if html_file.endswith('.html'):
html_path = os.path.join(html_files_dir, html_file)
pdf_path = os.path.join(pdf_files_dir, html_file.replace('.html', '.pdf'))
html = open(html_path).read()
await create_pdf_from_html(html, pdf_path)
asyncio.get_event_loop().run_until_complete(main())
Il codice è composto da due funzioni asincrone: create_pdf_from_html e main.
La funzione create_pdf_from_html è il cuore del programma. Accetta due parametri:
html: il contenuto HTML da convertire in PDF.pdf_path: il percorso dove salvare il file PDF generato.
La funzione crea un'istanza del browser, carica la pagina HTML e genera un PDF nel formato A4.
async def create_pdf_from_html(html, pdf_path):
browser = await launch() # Avvia un'istanza del browser
page = await browser.newPage() # Crea una nuova pagina
await page.setContent(html) # Imposta il contenuto HTML
await page.pdf({'path': pdf_path, 'format': 'A4'}) # Genera il PDF in formato A4
await browser.close() # Chiude il browser
La funzione main gestisce l'elaborazione di più file HTML. Definisce le directory di input (./html) e output (./pdf), quindi esegue un ciclo su tutti i file HTML presenti nella directory html_files_dir. Per ogni file, legge il contenuto HTML e genera un file PDF nella directory di destinazione.
async def main():
html_files_dir = './html' # Directory dei file HTML
pdf_files_dir = './pdf' # Directory dei file PDF
for html_file in os.listdir(html_files_dir): # Scorre i file nella cartella HTML
if html_file.endswith('.html'): # Verifica l'estensione
html_path = os.path.join(html_files_dir, html_file) # Percorso del file HTML
pdf_path = os.path.join(pdf_files_dir, html_file.replace('.html', '.pdf')) # Percorso del PDF
html = open(html_path).read() # Legge il contenuto HTML
await create_pdf_from_html(html, pdf_path) # Converte in PDF
L'esecuzione dello script è gestita tramite l'uso di un loop di eventi asincrono. Il metodo asyncio.get_event_loop().run_until_complete(main()) avvia l'esecuzione di main e completa tutte le operazioni asincrone definite.
Per far funzionare correttamente lo script, è importante organizzare i file in due cartelle:
- ./html: dove vanno inseriti i file HTML che si desidera convertire in PDF.
- ./pdf: dove verranno salvati i file PDF generati.
La generazione di PDF a partire da HTML è una tecnica utile in molte applicazioni, come:
- Generazione automatica di report.
- Archiviazione di pagine web per future consultazioni.
- Trasformazione di contenuti dinamici in documenti stampabili.
Questo approccio è particolarmente vantaggioso per chi lavora con contenuti dinamici su web e ha necessità di automatizzare la generazione di documenti in formati stabili e pronti per la stampa.
Conclusioni
In questo articolo abbiamo illustrato come usare Pyppeteer per creare PDF a partire da file HTML con Python. Abbiamo analizzato il codice in dettaglio, evidenziando come le funzionalità asincrone di Python e Pyppeteer permettano di gestire facilmente operazioni di automazione del browser e di generazione di documenti.