将 DOCX 字节流转换为 PDF 字节流 Python

Question

我目前有一个使用 python-docx 库生成 .docx 文档的程序。

完成 .docx 文件的构建后，我将其保存到字节流中，如下所示

file_stream = io.BytesIO()
document.save(file_stream)
file_stream.seek(0)

现在，我需要将这个word文档转换成PDF。我查看了一些不同的转换库，例如 docx2pdf，甚至使用 comtypes 手动进行转换

import sys
import os
import comtypes.client

wdFormatPDF = 17

in_file = "Input_file_path.docx"
out_file = "output_file_path.pdf"

word = comtypes.client.CreateObject('Word.Application')
doc = word.Documents.Open(in_file)
doc.SaveAs(out_file, FileFormat=wdFormatPDF)
doc.Close()
word.Quit()

问题是，我需要在内存中进行此转换，并且无法将 DOCX 或 PDF 物理保存到机器上。我见过的每个转换器都需要机器上物理文档的文件路径，但我没有。

有没有办法可以将 DOCX 文件流转换为仅在内存中的 PDF 流？

谢谢

Answer 1

此方法有点复杂，但它完全在内存中工作，并且您可以选择添加自定义 CSS 来设置最终文档的样式。使用mammoth
将 DOCX 字节流转换为 HTML ，并使用pdfkit将生成的 HTML 转换为 PDF 。

这是一个例子

# create a dummy docx file
from docx import Document
document = Document()
document.add_paragraph('Lorem ipsum dolor sit amet.')

# create a bytestream
import io
file_stream = io.BytesIO()
document.save(file_stream)
file_stream.seek(0)

# convert the docx to html
import mammoth
result = mammoth.convert_to_html(file_stream)

# >>> result.value
# >>> '<p>Lorem ipsum dolor sit amet.</p>'

# convert html to pdf
import pdfkit
pdf = pdfkit.from_string(result.value)

如果你想将流输出到文件中，只需这样做

with open('test.pdf','wb') as file:
    file.write(pdf)