如何用Python将带格式的HTML内容追加到现有PDF的内容末尾（不另起新页）

嘿，这个需求确实有点讲究——既要保留HTML的格式（段落、表格、图片都不能丢），又得精准续在原PDF最后一页的内容后面，不能直接开新页。我来给你拆解一下实现步骤，用Python结合几个实用的库就能搞定！

核心思路 #

要实现这个需求，我们需要分三步走：

1. 把带格式的HTML转换成PDF（这样才能保留所有样式）；
2. 精准计算原PDF最后一页的剩余可用空间；
3. 把HTML转成的PDF内容，先尝试塞进原PDF的剩余空间，放不下的部分再生成新页追加。

需要安装的库 #

首先得装两个关键库：

• PyMuPDF（fitz）：用来处理PDF页面，精确计算空间和复制内容；
• WeasyPrint：完美支持HTML转PDF，能保留各种样式、表格和图片。

执行下面的命令安装：

pip install pymupdf weasyprint

具体代码实现 #

我把代码拆成几个函数，方便你理解和复用：

1. HTML转PDF函数

先把你的HTML内容转换成临时PDF字节流，这样后续好处理：

from weasyprint import HTML
import fitz  # PyMuPDF
import io

def html_to_pdf(html_content):
    # 将HTML字符串转换成PDF字节流
    html = HTML(string=html_content)
    pdf_bytes = html.write_pdf()
    return io.BytesIO(pdf_bytes)

2. 计算原PDF最后一页剩余空间

这里用PyMuPDF来获取原PDF最后一页的已用内容高度，从而算出剩余空间：

def get_last_page_remaining_space(original_pdf_path):
    doc = fitz.open(original_pdf_path)
    last_page = doc[-1]
    
    # 获取页面的实际可打印区域高度
    mediabox = last_page.mediabox
    total_page_height = mediabox[3] - mediabox[1]
    
    # 找到页面上所有文字内容的最底部位置（如果有图片/表格，后续可以补充判断）
    all_text_rects = last_page.get_text("words")
    if not all_text_rects:
        # 如果页面是空的，剩余空间就是整个页面高度
        remaining_height = total_page_height
    else:
        # PyMuPDF的y轴是从下往上的，所以取最大的y坐标就是内容最底部
        max_content_bottom = max(rect[3] for rect in all_text_rects)
        remaining_height = total_page_height - max_content_bottom
    
    doc.close()
    return remaining_height, total_page_height, mediabox

3. 核心合并函数

这部分是重点，把HTML内容精准追加到原PDF末尾：

def append_html_to_pdf(original_pdf_path, html_content, output_pdf_path):
    # 第一步：把HTML转成临时PDF
    html_pdf_stream = html_to_pdf(html_content)
    html_doc = fitz.open("pdf", html_pdf_stream)
    
    # 第二步：获取原PDF最后一页的剩余空间
    remaining_height, total_page_height, mediabox = get_last_page_remaining_space(original_pdf_path)
    original_doc = fitz.open(original_pdf_path)
    last_original_page = original_doc[-1]
    
    # 处理HTML的第一页内容
    html_first_page = html_doc[0]
    # 计算HTML第一页的实际内容高度（不是页面高度）
    html_text_rects = html_first_page.get_text("words")
    if html_text_rects:
        html_content_top = min(rect[1] for rect in html_text_rects)
        html_content_bottom = max(rect[3] for rect in html_text_rects)
        html_content_height = html_content_bottom - html_content_top
    else:
        html_content_height = 0
    
    if html_content_height <= remaining_height:
        # 能放下！把HTML第一页的内容复制到原PDF最后一页
        # 计算偏移量：让HTML内容刚好接在原内容的下面
        offset_y = total_page_height - remaining_height
        # 复制HTML内容到原页面，只取实际内容部分，避免空区域
        content_rect = fitz.Rect(0, html_content_top, mediabox[2]-mediabox[0], html_content_bottom)
        last_original_page.show_pdf_page(last_original_page.rect, html_doc, 0, clip=content_rect, shift=fitz.Point(0, offset_y))
        
        # 剩下的HTML页面直接追加到原PDF后面
        for page_num in range(1, len(html_doc)):
            original_doc.insert_pdf(html_doc, from_page=page_num, to_page=page_num)
    else:
        # HTML第一页内容太长，剩余空间放不下，就直接把所有HTML页面追加到原PDF后面
        print("HTML第一页内容超出剩余空间，直接追加所有页面到原PDF末尾")
        original_doc.insert_pdf(html_doc)
    
    # 保存最终的PDF
    original_doc.save(output_pdf_path)
    # 关闭文档释放资源
    original_doc.close()
    html_doc.close()

使用示例 #

你可以这样调用函数，替换成你自己的HTML内容和PDF路径：

# 替换成你自己的HTML内容
my_html = """
<html>
<body>
    <p>这是追加的段落，带<b>加粗</b>和<i>斜体</i>样式~</p>
    <table border="1" cellpadding="5">
        <tr><th>姓名</th><th>年龄</th></tr>
        <tr><td>张三</td><td>25</td></tr>
        <tr><td>李四</td><td>30</td></tr>
    </table>
    <img src="https://picsum.photos/200/120" alt="示例图片">
</body>
</html>
"""

# 调用函数生成结果
append_html_to_pdf("你的原PDF路径.pdf", my_html, "最终输出PDF路径.pdf")

注意事项 #

• 关于非文字元素：上面的代码只通过文字来计算内容高度，如果原PDF里有图片、表格等非文字元素，剩余空间计算可能会有点误差。如果需要更精准，可以结合last_page.get_drawings()和last_page.get_images()来补充判断内容的边界。
• WeasyPrint依赖：在Linux系统上安装WeasyPrint时，可能需要额外装系统依赖（比如libpango-1.0-0、libcairo2等），Windows和Mac一般安装时会自动处理。
• 复杂HTML拆分：如果HTML内容特别长，且必须拆分第一页塞进剩余空间，那需要更精细的处理（比如把HTML拆分成多个小块逐个转换插入），上面的代码是基础版本，能满足大部分常规场景。

备注：内容来源于stack exchange，提问作者Jitendra Tank