やったこと
Pythonで、マークダウン記法を含むWebページをスクレイピングしてマークダウンに出力し、さらにそのマークダウンをHTMLにしてからPDFに変換しました。（ややこしい）
スクレイピングはBeautiful Soupを使用して行いましたが、そこは今回は割愛します。
マークダウン→HTML→PDFに関する情報があまりなかったのでまとめました。
マークダウン→HTMLはMarkdownを使用し、HTML→PDFはpdfkitを利用しました。
環境
環境は以下になります。
- Windows10
- wkhtmltopdf
- Python3.8
- Markdown==3.2.1
- pdfkit==0.6.1
- Pygments==2.6.1
Windows環境の場合、pdfkitを利用する際に事前にwkhtmltopdfをインストールする必要があります。
こちらのサイトから64bit版をインストールします。
パスを通していいですし、今回するようにPythonのコードで直接実行ファイルのパスを指定してもいいです。
またコードブロックにハイライトを付けるため、Pygmentsを使用します。
フォルダ構成は以下のようにします。
app
|- file
| |- source
| | └─ source.md ← 元となるマークダウン
| └─ pdf ← PDF出力先
|- app.py
└─requirements.txt
各ライブラリをインストールします。
Markdown==3.2.1
pdfkit==0.6.1
Pygments==2.6.1
> pip install -r requirements.txt
変換元となるマークダウンは以下のようにします。
# タイトル
## サブタイトル
マークダウンのテキストです。
### リスト
1. 番号付きリスト
1. ネストした番号付きリスト
1. 番号付きリスト
### テキスト
これは*イタリック*の記述です。
これは**強調**の記述です。
これは[リンク](https://qiita.com/)の記述です。
### ソースコード
- Java
\```java
class HelloWorld {
public static void main(String[] args) {
System.out.println("Hello World");
}
}
\```
- Python
\```python
class HelloWorld:
def __init__(self, id, name):
self.id = id
self.name = name
if __name__=='__main__':
hello = HelloWorld(1, 'python')
\```
### 罫線
***
---
* * *
### テーブル
| Table Header | Table Header | Table Header |
| :-- | :--: | --: |
| Body | Body | Body |
| Left | Center | Right |
マークダウン→HTML
マークダウンからHTMLに変換するにはMarkdownライブラリを使用します。
拡張機能のcodehiliteを有効にして、Pygmentsでソースコードのハイライトを付けます。
import markdown
from pygments import highlight
from pygments.formatters import HtmlFormatter
def mark_to_html():
# マークダウンファイルの読み込み
f = open('file/source/source.md', mode='r', encoding='UTF-8')
with f:
text = f.read()
# Pygmentsでハイライト用のスタイルシートを作成
style = HtmlFormatter(style='solarized-dark').get_style_defs('.codehilite')
# # マークダウン→HTMLの変換を行う
md = markdown.Markdown(extensions=['extra', 'codehilite'])
body = md.convert(text)
# HTML書式に合わせる
html = '<html lang="ja"><meta charset="utf-8"><body>'
# Pygmentsで作成したスタイルシートを取り込む
html += '<style>{}</style>'.format(style)
# Tableタグに枠線を付けるためにスタイルを追加
html += '''<style> table,th,td {
border-collapse: collapse;
border:1px solid #333;
} </style>'''
html += body + '</body></html>'
return html
Markdownには以下のような拡張機能があり、オブジェクを作成する際に拡張機能をリストにして指定することができます。
md = markdown.Markdown(extensions=["拡張機能"])
使えそうなものだけ抜粋しています。すべての拡張に関しては以下から。
| 拡張 | 機能 |
|---|---|
| extra | 略語要素・リスト・コードブロック・引用・テーブルなど基本的なマークダウン記法をHTMLに変換 |
| admonition | 注意書きを出力することができる |
| codehilite | コードブロックに対してPygmentsで定義されているシンタックスハイライトを付けることができる。Pygmentsが必要。 |
| meta | ファイルのメタ情報を取得することができる |
| nl2br | 1つの改行コードを<br>タグに変換 |
| sane_lists | 改行含んだリストや指定した数値からの番号付きリストに対応 |
| smarty |
",>などのHTML特殊文字に対応 |
| toc | 見出しの構成から自動で目次を作成 |
| wikilinks |
[[]] でのリンク記法に対応 |
これ以外にもサードパーティー製の拡張機能を使用することもできます。
コードのハイライトにしようしているPygmentsでは、適用するスタイル名とクラス名を指定しています。
style = HtmlFormatter(style="スタイル名").get_style_defs("クラス名")
適用できるスタイルはPygmentsのコマンドラインツールから取得することができます。
> pygmentize -L styles
クラス名は、markdownでcodehiliteを有効にすると<code class="codehilite">と出力されるので、codehiliteに設定します。
HTML → PDF
HTMLからPDFに変換するために、pdfkitというライブラリを使用します。
このライブライリは内部でwkhtmltopdfを使用しているため、環境変数にパスを通すか、実行時に実行ファイルのパスを指定する必要があります。
import pdfkit
def html_to_pdf(html:str):
"""
html : str HTML
"""
# 出力ファイルの指定
outputfile = 'file/pdf/output.pdf'
# wkhtmltopdfの実行ファイルのパスの指定
path_wkhtmltopdf = r'C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe'
config = pdfkit.configuration(wkhtmltopdf=path_wkhtmltopdf)
# HTML→PDF変換の実行
pdfkit.from_string(html, outputfile, configuration=config)
今回はMTML書式の文字列をPDFファイルに変換していますが、WebサイトをURLを指定してPDFに変換することもできます。その場合は、from_url関数を使用します。またHTMLファイルをPDFに変換する場合は、from_fileを使用します。
ソースコード
全体のソースコード
import markdown
import pdfkit
from pygments import highlight
from pygments.formatters import HtmlFormatter
def mark_to_html():
# マークダウンファイルの読み込み
f = open('file/source/source.md', mode='r', encoding='UTF-8')
with f:
text = f.read()
# Pygmentsでハイライト用のスタイルシートを作成
style = HtmlFormatter(style='solarized-dark').get_style_defs('.codehilite')
# # マークダウン→HTMLの変換を行う
md = markdown.Markdown(extensions=['extra', 'codehilite'])
body = md.convert(text)
# HTML書式に合わせる
html = '<html lang="ja"><meta charset="utf-8"><body>'
# Pygmentsで作成したスタイルシートを取り込む
html += '<style>{}</style>'.format(style)
# Tableタグに枠線を付けるためにスタイルを追加
html += '''<style> table,th,td {
border-collapse: collapse;
border:1px solid #333;
} </style>'''
html += body + '</body></html>'
return html
def html_to_pdf(html: str):
# 出力ファイルの指定
outputfile = 'file/pdf/output.pdf'
# wkhtmltopdfの実行ファイルのパスの指定
path_wkhtmltopdf = r'C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe'
config = pdfkit.configuration(wkhtmltopdf=path_wkhtmltopdf)
# HTML→PDF変換の実行
pdfkit.from_string(html, outputfile, configuration=config)
if __name__=='__main__':
html = mark_to_html()
html_to_pdf(html)
変換結果
上記関数を実行して変換した結果は以下のようになります。
マークダウンの出力結果をPDFに変換することができています。コードブロックにもハイライトがついています。今回は例には入れませんでしたが、画像の出力も問題なく行うことができます。
まとめ
PythonのライブラリのMarkdownとpdfkitを使用して、マークダウンをPDFに変換しました。
テンプレートを作成しておけば、議事録をすぐにPDFに変換できたりするので便利だと思います。
業務効率化のネタに使ってもらえればと思います。