#!/usr/bin/env python3 """ x2pdf 技能主入口:通用 PDF 转换。 分派策略(按输入文件扩展名): - .md / .markdown / .txt / .html / .htm → 依次尝试 WeasyPrint / 无头浏览器 / LibreOffice 三者都是本机可能没有的渲染后端:WeasyPrint 缺包或缺 pango/cairo 时不可用, 浏览器(Chrome/Chromium/Edge)不需要任何 Python 依赖,保真度介于两者之间 - .docx / .xlsx / .pptx / .odt / .ods / .odp → LibreOffice headless 转换 依赖不假设镜像预烘:Python 包由 requirements.txt 声明,系统库由 install.sh 就绪校验。 LibreOffice 与浏览器的定位不只看 PATH:macOS 的 app bundle 与 Windows 的安装目录都不进 PATH, which() 找不到不等于没装(见 find_soffice / find_browser)。 中文字体走 fontconfig(系统文泉驿/Noto),技能不携带字体文件。 """ import contextlib import html as html_mod import io import json import os import re import shutil import subprocess import sys import tempfile from pathlib import Path TEXT_EXTS = {'.md', '.markdown', '.txt', '.html', '.htm'} MD_EXTS = {'.md', '.markdown'} HTML_EXTS = {'.html', '.htm'} OFFICE_EXTS = {'.docx', '.xlsx', '.pptx', '.odt', '.ods', '.odp'} SUPPORTED_EXTS = TEXT_EXTS | OFFICE_EXTS PAGE_DEFAULTS = {'size': 'A4', 'margin': '20mm', 'font_size': '10.5pt'} SKILL_DIR = Path(__file__).resolve().parent def find_soffice(): """定位 LibreOffice 可执行文件。 PATH 优先(服务器/apt 装的都在);再探 macOS 的 app bundle 与 Windows 的安装目录—— 这两个位置正常安装都不进 PATH,只用 shutil.which() 会把「装了」误判成「没装」。""" for name in ('soffice', 'libreoffice'): p = shutil.which(name) if p: return p for c in ('/Applications/LibreOffice.app/Contents/MacOS/soffice', str(Path.home() / 'Applications/LibreOffice.app/Contents/MacOS/soffice'), r'C:\Program Files\LibreOffice\program\soffice.exe', r'C:\Program Files (x86)\LibreOffice\program\soffice.exe'): if Path(c).is_file(): return c return None def find_browser(): """定位支持 --headless --print-to-pdf 的浏览器(Chrome / Chromium / Edge)。 不要求用户为了转 PDF 装 Python 侧渲染栈:pango 在老系统上只能现编。 同 find_soffice:macOS app bundle 与 Windows 安装目录都不进 PATH。""" for name in ('google-chrome', 'google-chrome-stable', 'chromium', 'chromium-browser', 'microsoft-edge', 'msedge'): p = shutil.which(name) if p: return p for c in ('/Applications/Google Chrome.app/Contents/MacOS/Google Chrome', '/Applications/Chromium.app/Contents/MacOS/Chromium', '/Applications/Microsoft Edge.app/Contents/MacOS/Microsoft Edge', str(Path.home() / 'Applications/Google Chrome.app/Contents/MacOS/Google Chrome'), r'C:\Program Files\Google\Chrome\Application\chrome.exe', r'C:\Program Files (x86)\Google\Chrome\Application\chrome.exe', r'C:\Program Files\Microsoft\Edge\Application\msedge.exe', r'C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe'): if Path(c).is_file(): return c return None def req_hint(): return '本机环境: %s' % (SKILL_DIR / 'AGENTS.md') # 默认样式:黑白友好、打印向。字号用 em 相对值,整体缩放只依赖 html font-size # (由 page.font_size 参数注入),因此压单页只需调小字号/边距。 DEFAULT_CSS = """ body { font-family: "WenQuanYi Micro Hei", "Noto Sans CJK SC", "Source Han Sans SC", "DejaVu Sans", sans-serif; color: #1a1a1a; line-height: 1.6; margin: 0; } h1, h2, h3, h4, h5, h6 { font-weight: 700; line-height: 1.35; margin: 1.25em 0 0.55em; break-after: avoid; break-inside: avoid; } h1 { font-size: 1.85em; margin-top: 0; } h2 { font-size: 1.45em; } h3 { font-size: 1.22em; } h4, h5, h6 { font-size: 1.08em; } p { margin: 0.62em 0; } ul, ol { margin: 0.55em 0; padding-left: 2.1em; } li { margin: 0.28em 0; } li > ul, li > ol { margin: 0.2em 0; } blockquote { margin: 0.9em 0; padding: 0.45em 1.05em; color: #444; border-left: 3px solid #999; background: #f7f7f7; break-inside: avoid; } code { font-family: "DejaVu Sans Mono", "WenQuanYi Micro Hei Mono", monospace; font-size: 0.88em; background: #f0f0f0; border: 1px solid #ddd; border-radius: 3px; padding: 0.05em 0.28em; } pre { background: #f7f7f7; border: 1px solid #ddd; border-radius: 3px; padding: 0.7em 0.95em; line-height: 1.45; } pre, pre code { white-space: pre-wrap; overflow-wrap: break-word; } pre code { background: none; border: none; padding: 0; font-size: 0.85em; } table { border-collapse: collapse; margin: 0.9em auto; font-size: 0.93em; } th, td { border: 1px solid #777; padding: 0.32em 0.65em; } th { background: #e6e6e6; font-weight: 700; } tr:nth-child(even) td { background: #f7f7f7; } img { max-width: 100%; } hr { border: none; border-top: 1px solid #999; margin: 1.5em 0; } a { color: inherit; text-decoration: none; } del { color: #888; } """ # page 参数值最终会拼进 CSS 声明,白名单字符防注入(拒绝 } < ; 等) CSS_VALUE_RE = re.compile(r'^[A-Za-z0-9.,%\s()/+-]+$') def safe_css_value(value, name): text = str(value).strip() if not text or not CSS_VALUE_RE.match(text): raise ValueError('page.%s 取值不合法:%r(仅允许字母数字与 . , %% ( ) + - 空格)' % (name, value)) return text def page_css(page, with_defaults): """由 page 参数生成 CSS。with_defaults=True(md/txt)补全默认值并加页脚页码; False(html)只应用显式传入的字段,避免干扰文档自带版式。""" page = page or {} vals = {} for key in ('size', 'margin', 'font_size'): v = page.get(key) if v is None and with_defaults: v = PAGE_DEFAULTS[key] if v is not None: vals[key] = safe_css_value(v, key) unknown = set(page) - {'size', 'margin', 'font_size'} if unknown: raise ValueError('page 含未知字段:%s(支持 size/margin/font_size)' % '、'.join(sorted(unknown))) parts = [] decl = '' if 'size' in vals: decl += 'size: %s; ' % vals['size'] if 'margin' in vals: decl += 'margin: %s; ' % vals['margin'] if with_defaults: decl += ('@bottom-center { content: counter(page) " / " counter(pages); ' 'font-size: 8.5pt; color: #666; } ') if decl: parts.append('@page { %s}' % decl) if 'font_size' in vals: parts.append('html { font-size: %s; }' % vals['font_size']) return '\n'.join(parts) def strip_front_matter(text): """markdown 的 frontmatter 扩展只吃 '---' 围栏;为行为明确(且避免其对 非 '---' 起始的键值块解析不一致),这里自行剔除文首 YAML 块。""" lines = text.split('\n') if lines and lines[0].strip() == '---': for i in range(1, len(lines)): if lines[i].strip() in ('---', '...'): return '\n'.join(lines[i + 1:]) return text def build_document(title, body_html): return ( '\n\n\n\n' '%s\n\n\n%s\n\n' % (html_mod.escape(title), body_html) ) def convert_text_pdf(input_path, output_path, css_arg, page_arg): """md/txt/html → PDF。返回一句后端提示(正常走 WeasyPrint 时为空串)。""" ext = input_path.suffix.lower() text = input_path.read_text(encoding='utf-8', errors='replace') user_css = None if css_arg: css_path = Path(css_arg) if not css_path.exists(): raise FileNotFoundError('CSS 文件不存在:%s' % css_path) user_css = css_path.read_text(encoding='utf-8', errors='replace') base_url = str(input_path.resolve().parent) if ext in HTML_EXTS: # HTML:不套默认 CSS;page 参数仅显式传入的字段生效。 # 外部样式表通过 stylesheets 参数追加在文档样式之后,同名声明可覆盖文档内样式。 document = text sheets = [s for s in (page_css(page_arg, with_defaults=False), user_css) if s] else: if ext in MD_EXTS: try: import markdown except ImportError: raise RuntimeError('缺 Python 包 markdown,无法解析 Markdown;%s' % req_hint()) # extra 已含 tables/fenced_code/footnotes/attr_list/md_in_html/sane_lists 等; # 不可再单独传其中的扩展名,否则 ExtensionAlreadyConfigured body = markdown.markdown( strip_front_matter(text), extensions=['extra', 'toc'], ) else: # .txt:不解析,转义后整篇
            body = '
%s
' % html_mod.escape(text) document = build_document(input_path.stem, body) sheets = [DEFAULT_CSS, page_css(page_arg, with_defaults=True)] if user_css: sheets.append(user_css) output_path.parent.mkdir(parents=True, exist_ok=True) try: # 导入失败时 WeasyPrint 会往 stdout 打一大段「could not import some external libraries」 # (text/ffi.py 里裸 print),模型会把这段当成真错。降级是预期行为,噪声吞掉, # 由返回值那句 note 告知实际后端。 sink = io.StringIO() with contextlib.redirect_stdout(sink), contextlib.redirect_stderr(sink): from weasyprint import CSS, HTML except (ImportError, OSError): # 缺 Python 包是 ImportError;装了包但缺它要 dlopen 的 libpango/libgobject 时是 OSError。 # 两种都当作「本机没有 WeasyPrint」:先试浏览器(只需装了 Chrome 系),再回落 LibreOffice。 browser = find_browser() if browser: return convert_html_browser(browser, document, output_path, base_url, sheets, ext) return convert_html_pdf(document, output_path, ext) # 注:stylesheets 参数只接受 CSS 对象,传字符串会被当成文件路径 HTML(string=document, base_url=base_url).write_pdf( str(output_path), stylesheets=[CSS(string=s) for s in sheets] or None) return '' def inject_styles(document, sheets, base_url): """把 CSS 与 base 标签塞进已有 HTML:浏览器后端只能吃单个文件。 注入点是 (其次 ),绝不能落到 doctype 前面——那会触发怪异模式。""" head = '' if base_url: head += '\n' % Path(base_url).resolve().as_uri() if sheets: head += '\n' % '\n'.join(sheets) if not head: return document m = re.search(r'', document, re.I) or re.search(r']*>', document, re.I) if m: return document[:m.start()] + head + document[m.start():] d = re.match(r'\s*]*>', document, re.I) if d: return document[:d.end()] + '\n' + head + document[d.end():] return head + document def convert_html_browser(browser, document, output_path, base_url, sheets, ext): """HTML → 无头浏览器打印:WeasyPrint 不可用时的中间档。 浏览器能完整解析 CSS(表格边框/底纹/分页),但页码是 WeasyPrint 的 CSS 计数器特性, 这里不生效;@page 的 size/margin 视浏览器版本部分生效。""" output_path.parent.mkdir(parents=True, exist_ok=True) tmp_root = Path(tempfile.mkdtemp(prefix='x2pdf-browser-')) try: # 浏览器默认纸张是 Letter,WeasyPrint 默认 A4。文档自己没写 @page 时补上 A4, # 否则同一份 html 换后端就换纸型。 if not any('@page' in s for s in sheets) and '@page' not in document: sheets = list(sheets) + ['@page { size: A4; }'] src = tmp_root / 'document.html' src.write_text(inject_styles(document, sheets, base_url), encoding='utf-8') cmd = [browser, '--headless', '--disable-gpu', '--no-pdf-header-footer', '--virtual-time-budget=2000', '--print-to-pdf=%s' % str(output_path.resolve()), src.as_uri()] proc = subprocess.run(cmd, capture_output=True, text=True, timeout=120) if not output_path.is_file() or output_path.stat().st_size == 0: detail = (proc.stderr or proc.stdout or '').strip().replace('\n', ' ')[:300] raise RuntimeError('PDF 生成失败(exit=%s):%s' % (proc.returncode, detail or '无输出')) finally: shutil.rmtree(tmp_root, ignore_errors=True) return '排版降级:无页码,尺寸/边距可能与预期有偏差' def convert_html_pdf(document, output_path, ext): """HTML → LibreOffice:最后一道回落(浏览器也没有时)。 代价是保真度:@page 的边距/页码与大部分 CSS 在 LibreOffice 的 HTML 导入里不生效, 适合「拿到一份能看的 PDF」,不适合精确排版。""" if not find_soffice(): raise RuntimeError('这台机器没有可用的 PDF 排版能力,无法转换 %s;%s' % (ext, req_hint())) tmp_root = Path(tempfile.mkdtemp(prefix='x2pdf-html-')) try: src = tmp_root / 'document.html' src.write_text(document, encoding='utf-8') convert_office_pdf(src, output_path) finally: shutil.rmtree(tmp_root, ignore_errors=True) return '排版降级:边距/页码与部分 CSS 不生效' def convert_office_pdf(input_path, output_path): """docx/xlsx/pptx 等 → LibreOffice headless。 每次用独立临时 UserInstallation/HOME,避免并发实例互踩共享配置。""" soffice = find_soffice() if not soffice: raise FileNotFoundError('这台机器没有可用于转换 Office 文档的组件;%s' % req_hint()) output_path.parent.mkdir(parents=True, exist_ok=True) tmp_root = Path(tempfile.mkdtemp(prefix='x2pdf-office-')) profile = tmp_root / 'lo-profile' pdf_dir = tmp_root / 'pdf' profile.mkdir() pdf_dir.mkdir() try: env = dict(os.environ, HOME=str(profile)) cmd = [ soffice, '--headless', '--norestore', '-env:UserInstallation=%s' % profile.resolve().as_uri(), '--convert-to', 'pdf', '--outdir', str(pdf_dir), str(input_path), ] proc = subprocess.run(cmd, capture_output=True, text=True, timeout=180, env=env) generated = pdf_dir / (input_path.stem + '.pdf') if not generated.exists(): detail = (proc.stderr or proc.stdout or '').strip().replace('\n', ' ')[:300] raise RuntimeError('文档转换失败(exit=%s):%s' % (proc.returncode, detail or '无输出')) shutil.move(str(generated), str(output_path)) finally: shutil.rmtree(tmp_root, ignore_errors=True) def main(): if len(sys.argv) != 2: print("Usage: python3 run.py ''") sys.exit(1) try: args = json.loads(sys.argv[1]) except json.JSONDecodeError as e: print(f'Invalid JSON argument: {e}', file=sys.stderr) sys.exit(1) input_arg = args.get('input') if not input_arg: print("Error: 'input' field is required", file=sys.stderr) sys.exit(1) input_path = Path(input_arg) if not input_path.is_file(): print('Error: 输入文件不存在:%s' % input_path, file=sys.stderr) sys.exit(1) ext = input_path.suffix.lower() if ext not in SUPPORTED_EXTS: print('Error: 不支持的输入类型 %r(支持:%s)' % (ext, ' '.join(sorted(SUPPORTED_EXTS))), file=sys.stderr) sys.exit(1) output_arg = args.get('output') output_path = Path(output_arg) if output_arg else input_path.with_suffix('.pdf') note = '' try: if ext in OFFICE_EXTS: ignored = [k for k in ('css', 'page') if args.get(k)] if ignored: print('提示:Office 输入忽略参数 %s' % '、'.join(ignored)) convert_office_pdf(input_path, output_path) else: note = convert_text_pdf(input_path, output_path, args.get('css'), args.get('page')) except Exception as e: print('Error during conversion: %s' % e, file=sys.stderr) sys.exit(1) print('PDF generated: %s' % output_path.resolve()) if note: print(note) if __name__ == '__main__': main()