在日常中有时需将 html 文件转换为 pdf、word 文件。网上免费的大多数不支持多个文件转换的情况，而且在转换几个后就开始收费了。
转 pdf 中使用 pdfkit 库，它可以让 web 网页直接转为 pdf 文件，多个 url 可以合并成一个文件。
pip3 install pdfkit
pdfkit 是基于 wkhtmltopdf 的 python 封装库，所以需要安装 wkhtmltopdf 软件。
在windows 系统中，需要将 wkhtmltopdf.exe 文件路径配置在系统环境变量中。
这里使用 baidu 首页和 bing 首页作为示例
import pdfkit # 第一个参数可以是列表，放入多个域名，第二个参数是生成的 PDF 名称 pdfkit.from_url(['www.baidu.com','www.bing.com'],'search.pdf')
提前将需要转换的 html 存储到本地，也可以使用 python 爬虫代码抓取 html 文件到本地。
import pdfkit
pdfkit.from_file('/Users/xx/Desktop/html/baidu.html', 'search.pdf')使用 pypandoc 库将 html 转换为 word 文件，pypandoc 是一个支持多种文件格式转换的 Python 库，它用到了 pandoc 软件，所以需要在电脑上安装 pandoc 软件
pip install pypandoc
pypandoc 是基于 pandoc 软件的库，所以要安装一下 pandoc (https://github.com/jgm/pandoc/releases/tag/2.11.4)，pandoc 支持多种类型转换。下图是 pandoc 的转换类型。
将 html 文件提前存储在本地，也可以用爬虫将需要转换的 html 文件在代码中抓取后使用。
import pypandoc
# convert_file('原文件','目标格式','目标文件')
output = pypandoc.convert_file('/Users/xx/Desktop/html/baidu.html', 'docx', outputfile="baidu.doc")pypandoc 无法对 word 进行排版，所以需要小伙伴们进行 2 次排版。
安装pip install pdf2docx：
pip install pdf2docx
如果安装过程出现报错，可能是版本匹配问题，先安装PyMuPDF这个库即可正常安装pip install PyMuPDF。
pip install PyMuPDF
安装好后，把需要转换的PDF文档放到和python代码同一个文件夹内。
python代码：
import os
from pdf2docx import Converter
def pdf_docx():
# 获取当前工作目录
file_path = os.getcwd()
# 获取所有文件
files = os.listdir(file_path)
# 遍历所有文件
for file in files:
# 过滤临时文件
if '~$' in file:
continue
# 过滤非pdf格式文件
if file.split('.')[-1] != 'pdf':
continue
# 获取文件名称
file_name = file.split('.')[0]
# pdf文件名称
pdf_name = os.getcwd() + '\\' + file
# docx文件名称
docx_name = os.getcwd() + '\\' + file_name + '.docx'
# 加载pdf文档
cv = Converter(pdf_name)
cv.convert(docx_name, start=0, end=12)
cv.close()
if __name__ == '__main__':
pdf_docx()start是pdf转换的起始页，end是结束页。如果不传入start和end这两个参数，默认就是从第一页转换到最后一页。也可以通过pages方法确定转换页数，方法为：cv.convert(docx_file, pages=[0,2, 5])
利用好 Python 第三方库类，可以为小伙伴写出各种个性化定制的小程序
