A biblioteca PDF do Python

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

Explore IronPDF for Python Comece seu teste gratuito

HTML para PDF

Online Demo Veja todos os exemplos de código %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")

AJUDA DO PYTHON

PyYAML (Como funciona para desenvolvedores)

Curtis Chau

Updated: 21 de abril de 2026

PyYAML é uma biblioteca Python que funciona como um analisador e emissor de YAML. YAML (YAML não é uma linguagem de marcação) é um formato de serialização de dados legível por humanos que se integra bem com aplicações Python, possui ótimo suporte a erros, API de extensão capaz e muito mais. O YAML é frequentemente usado para arquivos de configuração e troca de dados entre linguagens com estruturas de dados diferentes, visando a legibilidade humana. Mais adiante neste artigo, analisaremos o IronPDF , um pacote Python para geração de PDFs da Iron Software .

Principais características do PyYAML

Formato legível por humanos: O YAML foi projetado para ser fácil de ler e escrever, tornando-o ideal para arquivos de configuração complexos e serialização de dados.
Suporte completo ao YAML 1.1: O PyYAML oferece suporte à especificação completa do YAML 1.1, incluindo suporte a Unicode e tipos de dados personalizados.
Integração com Python: O PyYAML fornece tags específicas do Python que permitem a representação de objetos Python arbitrários, tornando-o versátil para diversas aplicações.
Tratamento de erros: O PyYAML oferece mensagens de erro claras, que podem ser muito úteis durante a depuração.

Instalação

Para instalar o pacote YAML, você pode usar o pip:

pip install pyyaml

pip install pyyaml

SHELL

Uso básico

Aqui está um exemplo simples de como usar o PyYAML para carregar e exportar um documento YAML de e para um objeto Python arbitrário.

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

Saída

PyYAML (Como Funciona para Desenvolvedores): Figura 1

Recursos avançados

Tipos de dados personalizados: PyYAML permite definir construtores e representadores personalizados para lidar com tipos de dados complexos no formato YAML canônico.

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

Saída

PyYAML (Como Funciona para Desenvolvedores): Figura 2

Manipulação de Arquivos Grandes: O PyYAML consegue lidar com múltiplos documentos YAML ou arquivos YAML grandes de forma eficiente, utilizando carregamento e descarregamento baseados em fluxo.

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

Saída

PyYAML (Como Funciona para Desenvolvedores): Figura 3

Apresentando o IronPDF

PyYAML (Como Funciona para Desenvolvedores): Figura 4

IronPDF é uma poderosa biblioteca Python projetada para criar, editar e assinar PDFs usando HTML, CSS, imagens e JavaScript. Oferece desempenho de nível comercial com baixo consumo de memória. As principais características incluem:

Conversão de HTML para PDF: Converta arquivos HTML, strings HTML e URLs em PDFs. Por exemplo, renderize uma página da web como um PDF usando o renderizador de PDF do Chrome.
Suporte multiplataforma: Compatível com várias plataformas .NET , incluindo .NET Core, .NET Standard e .NET Framework. É compatível com Windows, Linux e macOS.
Edição e assinatura: Defina propriedades, adicione segurança com senhas e permissões e aplique assinaturas digitais aos seus PDFs.
Modelos e configurações de página: personalize PDFs com cabeçalhos, rodapés, números de página e margens ajustáveis. O IronPDF suporta layouts responsivos e tamanhos de papel personalizados.
Conformidade com os padrões: O IronPDF está em conformidade com os padrões PDF, como PDF/A e PDF/UA. Suporta codificação de caracteres UTF-8 e lida com recursos como imagens, CSS e fontes.

Gere documentos PDF usando IronPDF e 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

Explicação do código

Importações:
- Importa bibliotecas necessárias: yaml para operações YAML, json para operações JSON, e ironpdf para geração de PDF.
Configurar a chave de licença:
- Define a chave de licença do IronPDF para acesso legal e funcional à biblioteca.
Dados YAML de exemplo:
- Define dados YAML de exemplo para demonstrar operações YAML.
Operações YAML:
- Converte dados YAML em objetos Python usando yaml.safe_load() para manipulação.
Exportando para YAML:
- Converte objetos Python de volta para o formato YAML para saída usando yaml.dump().
Gravação em arquivos:
- Exporta dados YAML para um arquivo YAML e dados JSON para um arquivo JSON para armazenamento ou transmissão.
Leitura e formatação de JSON:
- Lê dados JSON de um arquivo e os formata para legibilidade usando json.dumps().
Gerando PDF com o IronPDF:
- Utiliza o IronPDF para renderizar uma string HTML em um documento PDF, incluindo dados YAML incorporados.
Salvar PDF:
- Salva o PDF gerado no sistema de arquivos, demonstrando a criação programática de PDFs.

Saída

PyYAML (Como Funciona para Desenvolvedores): Figura 5

PDF

PyYAML (Como Funciona para Desenvolvedores): Figura 6

Licença IronPDF

O IronPDF funciona com a chave de licença do Python. O IronPDF for Python oferece uma chave de licença de avaliação gratuita para permitir que os usuários experimentem seus diversos recursos antes de comprar.

Insira a chave de licença no início do script antes de usar o pacote IronPDF :

from ironpdf import *

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

from ironpdf import *

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

Python

Conclusão

PyYAML é uma biblioteca poderosa e flexível para trabalhar com YAML em Python. Seu formato legível por humanos, suporte completo ao YAML 1.1 e integração com Python fazem dele uma excelente escolha para arquivos de configuração, serialização de dados e muito mais. Quer você esteja lidando com configurações simples ou estruturas de dados complexas, o PyYAML fornece as ferramentas necessárias para manipular dados YAML de forma eficaz.

IronPDF é um pacote Python que facilita a conversão de conteúdo HTML em documentos PDF. Oferece uma API simples (ChromePdfRenderer) para que os desenvolvedores gerem PDFs de alta qualidade a partir de HTML, incluindo suporte para padrões web modernos como CSS e JavaScript. Isso a torna uma ferramenta eficaz para criar e salvar documentos PDF dinamicamente diretamente de aplicativos Python.

Curtis Chau

Converse agora mesmo com a equipe de engenharia.

Redator Técnico

Curtis Chau é bacharel em Ciência da Computação (Universidade Carleton) e se especializa em desenvolvimento front-end, com experiência em Node.js, TypeScript, JavaScript e React. Apaixonado por criar interfaces de usuário intuitivas e esteticamente agradáveis, Curtis gosta de trabalhar com frameworks modernos e criar manuais bem estruturados e visualmente atraentes.

...