#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ md2pdf 技能主入口:将 Markdown 转换为 PDF(支持中文和常用格式) 依赖 install.sh 预先准备好中文字体(fonts/cjk.ttf),本脚本只负责注册和转换。 """ import sys import io import json import re import urllib.request from pathlib import Path from reportlab.lib.pagesizes import A4 from reportlab.lib.units import mm from reportlab.lib import colors from reportlab.lib.styles import ParagraphStyle from reportlab.lib.enums import TA_LEFT from reportlab.lib.utils import ImageReader from reportlab.pdfbase import pdfmetrics from reportlab.pdfbase.ttfonts import TTFont from reportlab.platypus import ( SimpleDocTemplate, Paragraph, Spacer, ListFlowable, ListItem, HRFlowable, Image, Table, TableStyle ) # ---------- 字体注册 ---------- def register_font(): """注册技能目录下的 fonts/cjk.ttf(由 install.sh 准备)""" font_path = Path(__file__).parent / "fonts" / "cjk.ttf" if font_path.exists() and font_path.stat().st_size > 0: try: pdfmetrics.registerFont(TTFont("CJK", str(font_path))) pdfmetrics.registerFont(TTFont("CJKBold", str(font_path))) # 粗体模拟 # 注册字体族:否则段落里的 / 标签解析后找不到 CJK 的粗/斜变体, 不生效。 # 中文斜体可读性差且无真斜体变体,italic 映射回常规体(仅西文可见伪斜或不变)。 pdfmetrics.registerFontFamily("CJK", normal="CJK", bold="CJKBold", italic="CJK", boldItalic="CJKBold") return ("CJK", "CJKBold") except Exception as e: print(f"字体注册失败:{e},将使用 Helvetica", file=sys.stderr) return None else: print("未找到准备好的字体文件 fonts/cjk.ttf,请确认 install.sh 已执行", file=sys.stderr) return None # ---------- 样式定义 ---------- def build_styles(normal_font, bold_font): """构建 PDF 样式,使用指定字体""" return { "title": ParagraphStyle( name="Title", fontName=bold_font, fontSize=22, leading=28, alignment=1, # 居中 spaceAfter=12, ), "h1": ParagraphStyle( name="H1", fontName=bold_font, fontSize=18, leading=24, spaceBefore=16, spaceAfter=8, textColor="#1a3d6d", ), "h2": ParagraphStyle( name="H2", fontName=bold_font, fontSize=15, leading=20, spaceBefore=12, spaceAfter=6, textColor="#2c3e50", ), "h3": ParagraphStyle( name="H3", fontName=bold_font, fontSize=12.5, leading=17, spaceBefore=10, spaceAfter=4, textColor="#34495e", ), "body": ParagraphStyle( name="Body", fontName=normal_font, fontSize=10.5, leading=16, spaceAfter=4, alignment=TA_LEFT, ), "quote": ParagraphStyle( name="Quote", fontName=normal_font, fontSize=10.5, leading=16, leftIndent=12, rightIndent=12, spaceBefore=4, spaceAfter=4, textColor="#555555", backColor="#f8f8f8", borderPadding=(6, 6, 6, 6), ), "list_item": ParagraphStyle( name="List", fontName=normal_font, fontSize=10.5, leading=16, leftIndent=4, ), } # ---------- Markdown 解析辅助 ---------- def escape_xml(text): """转义 XML 特殊字符。必须在 parse_inline 之前调用: 先转义原文、再注入 // 等标签;顺序反了会把生成的标签也转义成字面量。""" return text.replace("&", "&").replace("<", "<").replace(">", ">") def parse_inline(text): """处理行内格式:加粗、斜体、行内代码、链接。入参必须是 escape_xml 之后的文本。""" # 行内代码 `code`:先占位保护,避免其中的 * [ ] 被后续规则误伤 code_spans = [] def _stash(m): code_spans.append(m.group(1)) return '\x00%d\x00' % (len(code_spans) - 1) text = re.sub(r'`(.+?)`', _stash, text) # 行内图片 ![alt](src):段落里无法嵌图,降级为 alt 文本;必须在链接规则之前, # 否则 [alt](src) 部分会被下面的链接规则改写成可点链接,图片变成“!+链接”残骸 text = re.sub(IMG_MD_RE, lambda m: m.group(1) or '[图片]', text) # 链接 [text](url) → reportlab (可点击;转义后 URL 里的 & 已是 &,属性内合法) text = re.sub(r'\[([^\]]+)\]\(([^)\s]+)\)', r'\1', text) # 加粗 **text** text = re.sub(r'\*\*(.+?)\*\*', r'\1', text) # 斜体 *text*(避免匹配加粗中的单个星号) text = re.sub(r'(?\1', text) # 还原行内代码 def _restore(m): return '' + code_spans[int(m.group(1))] + '' text = re.sub(r'\x00(\d+)\x00', _restore, text) return text def render_inline(text): """统一入口:先转义再走行内格式(顺序错了标签会被转义成字面量显示)。""" return parse_inline(escape_xml(text)) def is_ordered_list(line): """判断是否为有序列表行""" return re.match(r'^\d+\.\s+', line) # ---------- 图片 ---------- # Markdown 图片语法:![alt](src) 或 ![alt](src "title") IMG_MD_RE = re.compile(r'!\[([^\]]*)\]\(\s*([^)\s]+)(?:\s+"[^"]*")?\s*\)') def load_image_source(src, md_dir): """加载 md 引用的图片,返回可交给 ImageReader 的对象(路径或 BytesIO),失败返回 None。 相对路径按 **md 文件所在目录** 解析:技能子进程的 cwd 是技能目录而非任务目录, 不能直接 open 相对路径;另外兼容绝对路径与 http(s) 远程图。""" if re.match(r'^https?://', src): try: req = urllib.request.Request(src, headers={'User-Agent': 'Mozilla/5.0'}) with urllib.request.urlopen(req, timeout=15) as resp: return io.BytesIO(resp.read()) except Exception as e: print(f"图片下载失败:{src}({e})", file=sys.stderr) return None candidates = [Path(src)] if Path(src).is_absolute() else [md_dir / src, Path.cwd() / src] for c in candidates: try: if c.is_file(): return str(c) except OSError: continue print(f"图片未找到:{src}(在 {md_dir} 下未命中)", file=sys.stderr) return None def image_flowable(src, md_dir, max_width): """Markdown 图片 → platypus Image(居中,超宽时等比缩到版心宽);失败返回 None 由调用方文字兜底""" obj = load_image_source(src, md_dir) if obj is None: return None try: iw, ih = ImageReader(obj).getSize() except Exception as e: print(f"图片格式不支持:{src}({e})", file=sys.stderr) return None if not iw or not ih: return None if isinstance(obj, io.BytesIO): obj.seek(0) # getSize 读过字节,绘制前要回到开头 # 像素按 96dpi 换算磅值;小图不放大,大图缩到版心宽 w = min(iw * 72.0 / 96.0, max_width) h = ih * (w / iw) img = Image(obj, width=w, height=h) img.hAlign = 'CENTER' return img # ---------- 表格 ---------- # 数据/表头行:| a | b |;分隔行:| --- | :---: | ---: | --- | TABLE_ROW_RE = re.compile(r'^\|.*\|\s*$') TABLE_SEP_RE = re.compile(r'^\|?\s*:?-{3,}:?\s*(?:\|\s*:?-{3,}:?\s*)+\|?\s*$') def split_row(line): """按未转义的竖线拆分表格行,保留 `\|` 转义出来的字面竖线""" line = line.strip() cells = re.split(r'(? '): flush_list() story.append(Paragraph(render_inline(line[2:]), styles["quote"])) # 表格:当前行是表头行,且下一行是分隔行 → 收拢成整张表 elif TABLE_ROW_RE.match(line) and i < n and TABLE_SEP_RE.match(lines[i].strip()): flush_list() i += 1 # 跳过分隔行 rows = [split_row(line)] while i < n and TABLE_ROW_RE.match(lines[i].strip()): rows.append(split_row(lines[i].strip())) i += 1 story.append(table_flowable(rows, max_width, styles)) # 普通段落 else: flush_list() story.append(Paragraph(render_inline(line), styles["body"])) flush_list() return story # ---------- 主转换函数 ---------- def markdown_to_pdf(md_path, pdf_path): """读取 Markdown 文件并转换为 PDF""" md_text = Path(md_path).read_text(encoding="utf-8") # 注册字体 font_pair = register_font() if font_pair: normal_font, bold_font = font_pair print(f"使用中文字体:{normal_font}") else: normal_font, bold_font = "Helvetica", "Helvetica-Bold" print("使用 Helvetica(中文可能显示为方块)") # 构建样式 styles = build_styles(normal_font, bold_font) # 解析 Markdown(图片相对路径按 md 所在目录解析;版心宽 = A4 宽 - 左右边距) story = parse_markdown(md_text, styles, md_dir=Path(md_path).resolve().parent, max_width=A4[0] - 40 * mm) # 创建 PDF doc = SimpleDocTemplate( pdf_path, pagesize=A4, leftMargin=20 * mm, rightMargin=20 * mm, topMargin=18 * mm, bottomMargin=18 * mm, title=Path(md_path).stem, ) doc.build(story) # ---------- 入口 ---------- 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_path = args.get("input") if not input_path: print("Error: 'input' field is required", file=sys.stderr) sys.exit(1) output_path = args.get("output") if not output_path: output_path = str(Path(input_path).with_suffix(".pdf")) try: markdown_to_pdf(input_path, output_path) print(f"PDF generated: {output_path}") except Exception as e: print(f"Error during conversion: {e}", file=sys.stderr) sys.exit(1) if __name__ == "__main__": main()