使用Python在AWS Lambda中将含图片表格的HTML转为PDF并上传S3

我之前也遇到过类似的问题，在Lambda里折腾FPDF、pdfKit确实容易踩坑——要么依赖的系统库缺失，要么对复杂HTML（比如带表格、图片）的支持不够。给你几个亲测有效的方案，既能搞定HTML转PDF，又能直接上传到S3：

方案1：WeasyPrint + Lambda层（轻量且稳定） #

WeasyPrint对HTML/CSS的支持很完善，能很好处理表格和图片，而且体积比Chrome小很多。核心是要把它的依赖打包成Lambda层，解决环境缺失的问题。

步骤： #

1. 制作Lambda层：

   • 用和Lambda同架构的环境（比如Amazon Linux 2 EC2实例，或者本地用Docker模拟amazonlinux:2镜像），安装WeasyPrint及其系统依赖：

     yum install -y gcc python3-devel cairo-devel pango-devel gdk-pixbuf2-devel
     pip3 install weasyprint -t python/lib/python3.9/site-packages/
     

   • 把python目录打包成zip，上传到Lambda作为层。

2. Lambda函数代码：

   import weasyprint
   import boto3
   from io import BytesIO
   import os
   
   def lambda_handler(event, context):
       # 从event获取HTML内容，或者从S3读取HTML文件
       html_content = event.get("html_content", "")
       
       # 生成PDF到内存缓冲区
       pdf_buffer = BytesIO()
       # 如果HTML里有本地图片，可以转成base64嵌入，或者确保Lambda能访问图片URL
       weasyprint.HTML(string=html_content).write_pdf(pdf_buffer)
       pdf_buffer.seek(0)
       
       # 上传到S3
       s3_client = boto3.client("s3")
       s3_client.put_object(
           Bucket=os.environ["S3_BUCKET_NAME"],
           Key=f"generated_pdfs/{context.aws_request_id}.pdf",
           Body=pdf_buffer,
           ContentType="application/pdf"
       )
       
       return {
           "statusCode": 200,
           "body": f"PDF已上传至S3：s3://{os.environ['S3_BUCKET_NAME']}/generated_pdfs/{context.aws_request_id}.pdf"
       }
   

方案2：Headless Chrome（pyppeteer） + Lambda层（完美还原网页样式） #

如果你的HTML有复杂的JS交互或者CSS动画，pyppeteer（Python版Puppeteer）会更合适，它模拟真实Chrome渲染，生成的PDF和网页几乎一致。

步骤： #

1. 添加Chrome Lambda层：
   可以直接使用社区维护的Chrome层（包含Chrome二进制文件和依赖），或者自己打包适配Lambda环境的Chrome资源。

2. Lambda函数代码：

   import asyncio
   import pyppeteer
   import boto3
   from io import BytesIO
   import os
   
   async def render_html_to_pdf(html_content):
       # 启动无头Chrome
       browser = await pyppeteer.launch(
           headless=True,
           args=["--no-sandbox", "--disable-dev-shm-usage", "--single-process"]
       )
       page = await browser.newPage()
       # 设置页面内容，支持加载外部图片、CSS
       await page.setContent(html_content, waitUntil="networkidle0")
       # 生成PDF，printBackground=True确保背景图/颜色正常显示
       pdf_bytes = await page.pdf(format="A4", printBackground=True)
       await browser.close()
       return pdf_bytes
   
   def lambda_handler(event, context):
       html_content = event.get("html_content", "")
       # 运行异步生成PDF的逻辑
       loop = asyncio.get_event_loop()
       pdf_bytes = loop.run_until_complete(render_html_to_pdf(html_content))
       
       # 上传到S3
       s3_client = boto3.client("s3")
       s3_client.put_object(
           Bucket=os.environ["S3_BUCKET_NAME"],
           Key=f"generated_pdfs/{context.aws_request_id}.pdf",
           Body=BytesIO(pdf_bytes),
           ContentType="application/pdf"
       )
       
       return {
           "statusCode": 200,
           "body": f"PDF已上传至S3：s3://{os.environ['S3_BUCKET_NAME']}/generated_pdfs/{context.aws_request_id}.pdf"
       }
   

关键注意事项 #

• 图片资源处理：如果HTML里的图片是本地文件，建议转成base64嵌入HTML；如果是远程URL，要确保Lambda有访问该URL的权限（比如配置VPC互联网访问、添加对应权限）。
• Lambda配置调整：生成PDF需要一定资源，建议把Lambda内存调到1024MB以上，超时时间设置为30秒（根据PDF大小灵活调整）。
• 权限设置：给Lambda的IAM角色添加S3上传权限，确保能读写目标S3存储桶。

内容的提问来源于stack exchange，提问作者yasir kk