如何优化Python脚本：内存处理HTML转PDF并仅单次写入磁盘

要实现内存中处理所有PDF内容并仅写入磁盘一次，你可以直接从pdfkit获取内存中的PDF字节流，用pdfrw.PdfReader读取后将页面添加到PdfWriter，再处理图片生成的PDF页，最后一次性写入输出文件。

关键调整点 #

• 调用pdfkit.from_string时不指定输出文件，直接获取返回的PDF字节流（pdfkit支持返回字节数据）
• 遍历PdfReader的pages属性，将HTML生成的PDF页面逐个添加到PdfWriter，避免重复读写磁盘
• 图片生成的PDF页仍保持内存处理逻辑，最后统一写入磁盘

完整修正代码 #

# Usage:
# cat test.html | python3 script.py out.pdf img1.png img2.jpg

from pdfrw import PdfReader, PdfWriter
from fpdf import FPDF
import pdfkit
import sys

OUTPUT_FILE = sys.argv[1]
# 读取stdin中的HTML内容
html_content = "".join(sys.stdin.readlines())

# 初始化PDF写入器
writer = PdfWriter()

# 1. 处理HTML生成的PDF（内存中操作）
pdf_bytes = pdfkit.from_string(html_content)
html_pdf_reader = PdfReader(fdata=pdf_bytes)
for page in html_pdf_reader.pages:
    writer.addpage(page)

# 2. 处理附加的图片（内存中生成单页PDF并添加）
for img_path in sys.argv[2:]:
    fpdf = FPDF()
    fpdf.add_page()
    fpdf.image(img_path)
    # 将fpdf生成的PDF转为字节流，再用PdfReader读取
    img_pdf_bytes = bytes(fpdf.output())
    img_pdf_reader = PdfReader(fdata=img_pdf_bytes)
    writer.addpage(img_pdf_reader.pages[0])

# 3. 一次性将所有内容写入磁盘
writer.write(OUTPUT_FILE)

问题原因说明 #

你之前的第一种写法writer = PdfWriter(trailer=PdfReader(fdata=pdf))中，trailer参数仅用于设置PDF的trailer对象，并非直接加载页面的正确方式，因此无法导入HTML生成的页面。正确的做法是遍历PdfReader的pages属性，逐个将页面添加到PdfWriter中。

内容的提问来源于stack exchange，提问作者GammaGames