Biblioteka PDF dla języka Python

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

Explore IronPDF dla Pythona Bezpłatna próba

HTML do PDF

Online Demo Zobacz wszystkie przykłady kodu %s

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

POMOC DOTYCZĄCA JĘZYKA PYTHON

PyYAML (Jak działa dla programistów)

Curtis Chau

Updated: 21 kwietnia 2026

PyYAML to biblioteka języka Python, która działa jako parser i emiter YAML. YAML (YAML Ain't Markup Language) to czytelny dla człowieka format serializacji danych, który dobrze integruje się z aplikacjami w Pythonie, oferuje doskonałe wsparcie dla błędów, rozbudowane API rozbudowy i więcej. YAML jest często używany do tworzenia plików konfiguracyjnych i wymiany danych między językami o różnych strukturach danych, z myślą o czytelności dla człowieka. W dalszej części tego artykułu przyjrzymy się IronPDF, pakietowi do generowania plików PDF w języku Python firmy Iron Software.

Kluczowe cechy PyYAML

Format czytelny dla człowieka: YAML został zaprojektowany tak, aby był łatwy do odczytania i zapisu, co czyni go idealnym rozwiązaniem dla złożonych plików konfiguracyjnych i serializacji danych.
Pełna obsługa YAML 1.1: PyYAML obsługuje pełną specyfikację YAML 1.1, w tym obsługę Unicode i niestandardowe typy danych.
Integracja z Pythonem: PyYAML udostępnia tagi specyficzne dla języka Python, które umożliwiają reprezentację dowolnych obiektów Pythona, dzięki czemu jest wszechstronny w różnych zastosowaniach.
Obsługa błędów: PyYAML oferuje sensowne komunikaty o błędach, które mogą być bardzo pomocne podczas debugowania.

Instalacja

Aby zainstalować pakiet YAML, można użyć pip:

pip install pyyaml

pip install pyyaml

SHELL

Podstawowe zastosowanie

Oto prosty przykład wykorzystania PyYAML do ładowania i zapisywania dokumentu YAML do i z dowolnego obiektu w języku Python.

import yaml

# Sample YAML data
yaml_data = """
name: John Doe
age: 30
children:
  - name: Jane Doe
    age: 10
  - name: Jim Doe
    age: 8
"""

# Load YAML data into a Python dictionary
data = yaml.safe_load(yaml_data)
print(data)

# Dump Python data back to formatted YAML
yaml_output = yaml.dump(data, default_flow_style=False)
print(yaml_output)

import yaml

# Sample YAML data
yaml_data = """
name: John Doe
age: 30
children:
  - name: Jane Doe
    age: 10
  - name: Jim Doe
    age: 8
"""

# Load YAML data into a Python dictionary
data = yaml.safe_load(yaml_data)
print(data)

# Dump Python data back to formatted YAML
yaml_output = yaml.dump(data, default_flow_style=False)
print(yaml_output)

Python

Wynik

PyYAML (Jak działa dla programistów): Rysunek 1

Zaawansowane funkcje

Niestandardowe typy danych: PyYAML pozwala definiować niestandardowe konstruktory i reprezentatory do obsługi złożonych typów danych w kanonicznym formacie YAML.

import yaml

# Define a custom Python object
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

# Function to convert a Person object to a YAML representation
def person_representer(dumper, data):
    return dumper.represent_mapping('!Person', {'name': data.name, 'age': data.age})

# Function to create a Person object from YAML representation
def person_constructor(loader, node):
    values = loader.construct_mapping(node)
    return Person(**values)

# Register custom representer and constructor for Person
yaml.add_representer(Person, person_representer)
yaml.add_constructor('!Person', person_constructor)

# Object Serialization
person = Person(name='John Doe', age=30)
yaml_data = yaml.dump(person)
print(yaml_data)

# Deserialize YAML to a Person object
loaded_person = yaml.load(yaml_data, Loader=yaml.FullLoader)
print(loaded_person.name, loaded_person.age)

import yaml

# Define a custom Python object
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

# Function to convert a Person object to a YAML representation
def person_representer(dumper, data):
    return dumper.represent_mapping('!Person', {'name': data.name, 'age': data.age})

# Function to create a Person object from YAML representation
def person_constructor(loader, node):
    values = loader.construct_mapping(node)
    return Person(**values)

# Register custom representer and constructor for Person
yaml.add_representer(Person, person_representer)
yaml.add_constructor('!Person', person_constructor)

# Object Serialization
person = Person(name='John Doe', age=30)
yaml_data = yaml.dump(person)
print(yaml_data)

# Deserialize YAML to a Person object
loaded_person = yaml.load(yaml_data, Loader=yaml.FullLoader)
print(loaded_person.name, loaded_person.age)

Python

Wynik

PyYAML (Jak działa dla programistów): Rysunek 2

Obsługa dużych plików: PyYAML może efektywnie obsługiwać wiele dokumentów YAML lub duże pliki YAML, wykorzystując ładowanie i zrzut oparte na strumieniu.

import yaml

# Load a large YAML file
with open('large_file.yaml', 'r') as file:
    data = yaml.safe_load(file)

# Dump data to a large YAML file
with open('output_file.yaml', 'w') as file:
    yaml.dump(data, file)

import yaml

# Load a large YAML file
with open('large_file.yaml', 'r') as file:
    data = yaml.safe_load(file)

# Dump data to a large YAML file
with open('output_file.yaml', 'w') as file:
    yaml.dump(data, file)

Python

Wynik

PyYAML (Jak działa dla programistów): Rysunek 3

Przedstawiamy IronPDF

PyYAML (Jak działa dla programistów): Rysunek 4

IronPDF to potężna biblioteka języka Python przeznaczona do tworzenia, edytowania i podpisywania plików PDF przy użyciu HTML, CSS, obrazów i JavaScript. Oferuje wydajność na poziomie komercyjnym przy niewielkim zużyciu pamięci. Najważniejsze cechy to:

Konwersja HTML do PDF: Konwertuj pliki HTML, ciągi znaków HTML i adresy URL na pliki PDF. Na przykład, renderuj stronę internetową jako plik PDF przy użyciu renderera PDF przeglądarki Chrome.
Obsługa wielu platform: Kompatybilność z różnymi platformami .NET, w tym .NET Core, .NET Standard i .NET Framework. Obsługuje systemy Windows, Linux i macOS.
Edycja i podpisywanie: Ustawiaj właściwości, dodawaj zabezpieczenia za pomocą haseł i uprawnień oraz stosuj podpisy cyfrowe w plikach PDF.
Szablony stron i ustawienia: Dostosuj pliki PDF za pomocą nagłówków, stopek, numerów stron i regulowanych marginesów. IronPDF obsługuje responsywne układy i niestandardowe rozmiary papieru.
Zgodność ze standardami: IronPDF jest zgodny ze standardami PDF, takimi jak PDF/A i PDF/UA. Obsługuje kodowanie znaków UTF-8 oraz pliki takie jak obrazy, CSS i czcionki.

Generowanie dokumentów PDF przy użyciu IronPDF i PyYAML

import yaml
import json
from ironpdf import *

# Apply your license key
License.LicenseKey = "your license"

# Sample YAML data
yaml_data = """
name: IronPDF User1
age: 25
children:
  - name: IronPDF User2
    age: 23
  - name: IronPDF User3
    age: 24
"""

# Load YAML data into Python structures
data = yaml.safe_load(yaml_data)
print(data)

# Dump Python data back to YAML
yaml_output = yaml.dump(data, default_flow_style=False)
print(yaml_output)

# Write YAML to File
with open('output_file.yaml', 'w') as file:
    yaml.dump(yaml_output, file)

# Write YAML data as JSON
with open('output_file.json', 'w') as json_file:
    json.dump(data, json_file)

# Read JSON and format with indentation for readability
output = json.dumps(json.load(open('output_file.json')), indent=2)
print(output)

# Create PDF renderer
renderer = ChromePdfRenderer()

# Create a PDF from HTML containing YAML data
content = "<h1>Awesome Iron PDF with PyYAML</h1>"
content += "<p>YAML data: " + yaml_output + "</p>"
pdf = renderer.RenderHtmlAsPdf(content)

# Save the PDF document to a file
pdf.SaveAs("awesome.pdf")

import yaml
import json
from ironpdf import *

# Apply your license key
License.LicenseKey = "your license"

# Sample YAML data
yaml_data = """
name: IronPDF User1
age: 25
children:
  - name: IronPDF User2
    age: 23
  - name: IronPDF User3
    age: 24
"""

# Load YAML data into Python structures
data = yaml.safe_load(yaml_data)
print(data)

# Dump Python data back to YAML
yaml_output = yaml.dump(data, default_flow_style=False)
print(yaml_output)

# Write YAML to File
with open('output_file.yaml', 'w') as file:
    yaml.dump(yaml_output, file)

# Write YAML data as JSON
with open('output_file.json', 'w') as json_file:
    json.dump(data, json_file)

# Read JSON and format with indentation for readability
output = json.dumps(json.load(open('output_file.json')), indent=2)
print(output)

# Create PDF renderer
renderer = ChromePdfRenderer()

# Create a PDF from HTML containing YAML data
content = "<h1>Awesome Iron PDF with PyYAML</h1>"
content += "<p>YAML data: " + yaml_output + "</p>"
pdf = renderer.RenderHtmlAsPdf(content)

# Save the PDF document to a file
pdf.SaveAs("awesome.pdf")

Python

Wyjaśnienie kodu

Importy:
- Importuje potrzebne biblioteki: yaml do operacji na YAML, json do operacji na JSON, oraz ironpdf do generacji PDF.
Ustawianie klucza licencyjnego:
- Ustawia klucz licencyjny IronPDF w celu uzyskania legalnego i funkcjonalnego dostępu do biblioteki.
Przykładowe dane YAML:
- Definiuje przykładowe dane YAML w celu zademonstrowania operacji YAML.
Operacje YAML:
- Konwertuje dane YAML na obiekty Python przy użyciu yaml.safe_load() do manipulacji.
Eksport do YAML:
- Konwertuje obiekty Python z powrotem na format YAML do wyjścia przy użyciu yaml.dump().
Zapisywanie do plików:
- Eksportuje dane YAML do pliku YAML, a dane JSON do pliku JSON w celu przechowywania lub przesyłania.
Odczytywanie i formatowanie JSON:
- Odczytuje dane JSON z pliku i formatuje je dla czytelności przy użyciu json.dumps().
Generowanie plików PDF za pomocą IronPDF:
- Wykorzystuje IronPDF do renderowania ciągu znaków HTML do dokumentu PDF, w tym osadzonych danych YAML.
Zapisywanie plików PDF:
- Zapisuje wygenerowany plik PDF w systemie plików, demonstrując programowe tworzenie plików PDF.

Wynik

PyYAML (Jak działa dla programistów): Rysunek 5

PDF

PyYAML (Jak działa dla programistów): Rysunek 6

Licencja IronPDF

IronPDF działa na kluczu licencyjnym dla języka Python. IronPDF for Python oferuje bezpłatną licencję próbną, aby umożliwić użytkownikom zapoznanie się z jego rozbudowanymi funkcjami przed zakupem.

Umieść klucz licencyjny na początku skryptu przed użyciem pakietu IronPDF:

from ironpdf import *

# Apply your license key
License.LicenseKey = "key"

from ironpdf import *

# Apply your license key
License.LicenseKey = "key"

Python

Wnioski

PyYAML to potężna i elastyczna biblioteka do pracy z YAML w języku Python. Jego format czytelny dla ludzi, pełna obsługa YAML 1.1 oraz integracja z Pythonem sprawiają, że jest to doskonały wybór do plików konfiguracyjnych, serializacji danych i nie tylko. Niezależnie od tego, czy masz do czynienia z prostymi konfiguracjami, czy złożonymi strukturami danych, PyYAML zapewnia narzędzia potrzebne do efektywnej obsługi danych YAML.

IronPDF to pakiet w języku Python, który ułatwia konwersję treści HTML do dokumentów PDF. Oferuje prosty interfejs API (ChromePdfRenderer), umożliwiający programistom generowanie wysokiej jakości plików PDF z HTML, w tym obsługę nowoczesnych standardów internetowych, takich jak CSS i JavaScript. Dzięki temu jest to skuteczne narzędzie do dynamicznego tworzenia i zapisywania dokumentów PDF bezpośrednio z aplikacji Python.

Curtis Chau

Czat z zespołem inżynierów teraz

Autor tekstów technicznych

Curtis Chau posiada tytuł licencjata z informatyki (Uniwersytet Carleton) i specjalizuje się w front-endowym rozwoju, z ekspertką w Node.js, TypeScript, JavaScript i React. Pasjonuje się tworzeniem intuicyjnych i estetycznie przyjemnych interfejsów użytkownika, Curtis cieszy się pracą z nowoczesnymi frameworkami i tworzeniem dobrze zorganizowanych, atrakcyjnych wizualnie podręczników.

...

Czytaj więcej