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")

PYTHON帮助

PyYAML（开发人员如何使用）

发布 2024年八月13日

简介

PyYAML 是一个用作 YAML 解析器和发射器的 Python 库。YAML (YAML不是标记语言), 是一种人类可读的数据序列化格式，与Python应用程序集成良好，具有极好的错误支持以及强大的扩展API等功能。YAML 通常用于配置文件和不同数据结构语言之间的数据交换，考虑了人类的可读性。在本文的后面，我们将深入探讨 IronPDF, 一款来自的PDF生成Python包铁软件（Iron Software）.

PyYAML的主要功能

人类可读格式：YAML设计为易于阅读和书写，使其成为复杂配置文件和数据序列化的理想选择。
全面支持YAML 1.1：PyYAML支持完整的YAML 1.1规范，包括Unicode支持和自定义数据类型。
与Python集成：PyYAML提供Python特定的标签，允许表示任意的Python对象，使其在各种应用中具有多样性。
错误处理：PyYAML提供合理的错误信息，对于调试非常有帮助。

安装

要安装 YAML 软件包，可以使用 pip：

pip install pyyaml

基本用法

这是一个简单的例子，展示了如何使用 PyYAML 将 YAML 文档加载到任意 Python 对象中，并从中导出。

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

PYTHON

输出

PyYAML（面向开发人员的工作原理）：图1

高级功能

自定义数据类型：PyYAML 允许您定义自定义构造函数和表示器，以处理规范 YAML 格式的复杂数据类型。

import yaml
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
def person_representer(dumper, data):
    return dumper.represent_mapping('!Person', {'name': data.name, 'age': data.age})
def person_constructor(loader, node):
    values = loader.construct_mapping(node)
    return Person(**values)
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
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
def person_representer(dumper, data):
    return dumper.represent_mapping('!Person', {'name': data.name, 'age': data.age})
def person_constructor(loader, node):
    values = loader.construct_mapping(node)
    return Person(**values)
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

输出

PyYAML（开发人员工作原理）：图 2

处理大型文件：PyYAML 可以通过使用基于流的加载和转储来高效处理多个 YAML 文档或大型 YAML 文件。

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

输出

IronPDF 简介

PyYAML（开发者指南）：图4

IronPDF 是一个强大的Python库，旨在使用HTML、CSS、图像和JavaScript创建、编辑和签署PDF。它提供商业级性能，并且内存占用低。主要特点包括：

HTML 转 PDF 转换

将 HTML 文件、HTML 字符串和网址转换为 PDF。例如，使用 Chrome PDF 渲染器将网页渲染为 PDF。

跨平台支持

兼容各种 .NET 平台，包括 .NET Core、.NET Standard 和 .NET Framework。它支持 Windows、Linux 和 macOS。

编辑和签署

设置属性，使用密码和权限添加安全性，并将数字签名应用到您的PDF文件。

页面模板和设置

通过页眉、页脚、页码和可调边距自定义PDF。IronPDF支持响应式布局和自定义纸张尺寸。

标准合规

IronPDF 遵循 PDF 标准，例如 PDF/A 和 PDF/UA。它支持 UTF-8 字符编码，并处理图像、CSS 和字体等资产。

使用IronPDF和PyYaml生成PDF文档

import yaml
import json
from ironpdf import * 
# Apply your license key
License.LicenseKey = "your license"
# Sample YAML data with standard yaml tags
yaml_data = """
name: IronPDF User1
age: 25
children:
  - name: IronPDF User2
    age: 23
  - name: IronPDF User3
    age: 24
"""
# Load YAML data to only basic python objects
data = yaml.safe_load(yaml_data)
print(data)
# Dump Python data 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 as JSON
with open('output_file.json', 'w') as json_file:
    json.dump(yaml_output, json_file)
# Read Json and Indent
output = json.dumps(json.load(open('output_file.json')), indent=2)
print(output)
# create Renderer
renderer = ChromePdfRenderer()
# Create a PDF from a HTML string using Python
content = "<h1>Awesome Iron PDF with PYYML</h1>"
content += "<p>YAML data: "+ yaml_data +"</p>"
pdf = renderer.RenderHtmlAsPdf(content)    
    # Export to a file or Stream
pdf.SaveAs("awesome.pdf")

import yaml
import json
from ironpdf import * 
# Apply your license key
License.LicenseKey = "your license"
# Sample YAML data with standard yaml tags
yaml_data = """
name: IronPDF User1
age: 25
children:
  - name: IronPDF User2
    age: 23
  - name: IronPDF User3
    age: 24
"""
# Load YAML data to only basic python objects
data = yaml.safe_load(yaml_data)
print(data)
# Dump Python data 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 as JSON
with open('output_file.json', 'w') as json_file:
    json.dump(yaml_output, json_file)
# Read Json and Indent
output = json.dumps(json.load(open('output_file.json')), indent=2)
print(output)
# create Renderer
renderer = ChromePdfRenderer()
# Create a PDF from a HTML string using Python
content = "<h1>Awesome Iron PDF with PYYML</h1>"
content += "<p>YAML data: "+ yaml_data +"</p>"
pdf = renderer.RenderHtmlAsPdf(content)    
    # Export to a file or Stream
pdf.SaveAs("awesome.pdf")

PYTHON

代码解释

导入：
- 脚本开始时导入了必要的Python库和模块：yaml、json和ironpdf。这些库用于处理YAML和JSON数据格式，以及使用IronPDF生成PDF。
设置许可证密钥：
- 有一个步骤是设置许可证密钥 (License.LicenseKey = "你的许可证") for IronPDF。这对于合法有效地使用IronPDF库至关重要。
示例 YAML 数据：
- 定义一个示例 YAML 格式的字符串 (yaml_data) 包含有关假设人物及其子女的信息。这些数据作为示例，用以演示YAML处理。
1. YAML 操作：
- 脚本使用 yaml.safe_load 加载YAML数据()**将其转换为Python数据结构。这使脚本能够以编程方式操作和处理数据。
导出到YAML：
- 使用 yaml.dump 将Python数据结构转换回YAML格式()**. 这展示了如何将 Python 对象序列化为 YAML 格式以进行存储或传输。
写入文件：

将 YAML 数据写入文件 (output_file.yaml) 使用 yaml.dump()同样地，它将YAML数据转换为JSON格式，并将其写入另一个文件。 (output_file.json) 使用 json.dump().
1. 读取JSON和格式化：
此操作从 output_file.json 中读取JSON数据，解析它，并使用 json.dumps 以2个空格的缩进格式化它。()**. 此操作演示了如何读取和格式化JSON数据以提高可读性或进行进一步处理。
1. 使用IronPDF生成PDF：
- 使用IronPDF (ChromePdfRenderer()**) 将HTML内容字符串渲染成PDF文档。HTML内容包括嵌入其中的原始YAML数据，作为文档内容的一部分。

保存PDF：
- 最后一步保存生成的PDF文档 (awesome.pdf) 保存为文件系统使用pdf.SaveAs()。它演示了如何以编程方式创建和保存PDF文档。

输出

PyYAML（为开发人员工作原理）：图5

PDF

PyYAML（适用于开发人员的工作原理）：图6

IronPDF License

IronPDF 在 Python 许可证密钥上运行。IronPDF for Python 提供了一个免费试用许可证密钥可让用户在购买前查看其广泛的功能。

在使用IronPDF包之前，将许可证密钥放在脚本的开头：

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"

PYTHON

结论

PyYAML 是一个强大而灵活的库，用于在 Python 中处理 YAML。它的人类可读格式、对 YAML 1.1 的全面支持以及与 Python 的集成，使其成为配置文件、数据序列化等的绝佳选择。无论你是在处理简单的配置还是复杂的数据结构，PyYAML 都提供了你需要的工具来有效处理 YAML 数据。

IronPDF 是一个 Python 包，可将 HTML 内容转换为 PDF 文档。它提供了一个简单的 API (ChromePdfRenderer) 为开发人员从HTML生成高质量PDF，包括对CSS和JavaScript等现代网络标准的支持。这使其成为从Python应用程序中动态创建和保存PDF文档的有效工具。

下一步 >
sqlite utils Python（对开发者如何工作）