请教一个关于"HTML 转 pdf"的问题

[allele]

最近我们遇到一个项目是：用随机不同的样式去打印 csv 里十几万条少数民族语。 我们的想法是:

1. 把.csv中的每一条语句转成.html中的一个<p>
2. 打印这个.html，得到一个.pdf。

现在遇到的问题是：我们需要得到.csv里的每一条item对应的.pdf页数。

举个例子，.csv里的第 1000 条句子，最终打印出来在.pdf的第五十页，那么我们就需要得到一个(1000，50)。

现在的困惑是：.html打印成.pdf的过程似乎是一个黑盒。没有办法深入到底层去得知某一个<p>最终会落在哪张页面上。

希望有了解 HTML 打印的同学可以帮忙指个路。

亦或者大家有什么更好的思路来实现这个需求。

————————————————————————————————————————

之所以不去用 python 中的reportlab是因为reportlab对 RTL （从右到左排版）的支持并不好。

[myd]

手动控制分页

[exip]

html 上在哪页 pdf 上不就是在哪页吗？

[allele]

@myd 手动控制分页的问题在于”你不知道应该隔多少个<p>换一次页“。我们现在的想法就是每隔 20 行强制换页，同时保证字体不要太大。就是想知道有没有我们遗漏的更好的办法。

[allele]

@exip html 页面是什么意思？ html 不是一个很长很长的东西吗？

[TimePPT]

其实你的需求是纸质打印一本书，带目录索引？

[allele]

@TimePPT 欸？这个思路很好欸？好像就是要把每一句话都收录到目录里。

[dallaslu]

做一堆撑满一页的高度的块元素，然后均匀地把内容放进去？

[redtea]

openhtmltopdf 可以实现，但是用的是 Java 。

[allele]

@redtea 哇哦~我去看看

[967182]

html 当然能控制让它分页啊
<div style="page-break-before: always">
<div id=page2 style='position:relative;width:760px;height:1070px;'>

[967182]

html 转换可以试试 https://wkhtmltopdf.org/index.html 这个工具，效果还不错。

[allele]

@967182 嗯嗯。能换页我知道，包括我们现在的做法就是每隔 28 个<p>插入一个换页。但是这样的做法终究不美观。

[967182]

@allele 其实你要做的不就是 PDF 加载到程序中，然后一页一页的循环看有没有符合你条件的数据。

[ccraohng]

手动分页数据兼容性不好吧。我们用的是 wkhtml 。可以读取 pdf 内容，再匹配查找

[xiaoming1992]

canvas 有个方法叫 measureText，可以以此来精确地控制文字的换行，并算出 csv 每一项的高度，据此手动控制何时分页，效率可能会有些差，但才十几万条，应该不碍事。只是不知道对少数民族语的支持如何。

[no1xsyzy]

1. 考虑 xelatex
2. 考虑生成后再重新去解析 PDF （脏