zikai
aa08a1cf60
纯 Python 转换（ebooklib 解析 epub + weasyprint 渲染 HTML/CSS 为 PDF）， 无需 calibre/xvfb 系统依赖。复用 UploadedFile 存储（原始文件与产物 PDF）。 - model/dao/schema：PdfJob 记录转换任务（owner_cookie/source/output/进度/状态） - pdf_converter：epub->PDF 转换器（按 spine 顺序拼 HTML，OPF 目录解析相对资源） - pdf_service：上传落盘 + asyncio 后台转换（独立 Session）+ 进度追踪 + 两级删除 · 用户软删（user_deleted，管理页仍可见）· 管理员硬删（真正删磁盘+记录） - pdf_controller：/api/pdf/*（用户，cookie）+ /api/admin/pdf/*（Basic Auth） - /pdf、/pdf-admin 页面（原生 JS，复用 common.css/js） - 配置 pdf 段（max_size 250MB、转换超时、cookie） - pytest 7 项（SQLite→MySQL 隔离测试库）：上传/转换/下载/软删/硬删/超限/越权
106 lines
4.4 KiB
Python
106 lines
4.4 KiB
Python
"""文件 -> PDF 转换器（纯 Python，无 calibre/xvfb 系统依赖）。
|
||
|
||
当前支持 epub（必要能力）：ebooklib 解析 epub 文档项（按 spine 顺序），拼接为
|
||
完整 HTML 后交 weasyprint 渲染为 PDF。epub 内的相对资源（图片/CSS）经 base_url
|
||
指向 epub 解包目录解析。
|
||
|
||
接口抽象为 ``convert_to_pdf(src_path, dst_path)``：未来新增格式只需在本模块内
|
||
按扩展名分支，调用方（PdfService）无需改动。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import logging
|
||
import shutil
|
||
import tempfile
|
||
import zipfile
|
||
from pathlib import Path
|
||
|
||
logger = logging.getLogger("zikai.pdf")
|
||
|
||
# 支持的输入格式（小写扩展名 -> 是否可转）。新增格式在此登记并实现分支即可。
|
||
# epub 为必要能力；其余为 ebooklib/weasyprint 路径天然支持的电子书结构，
|
||
# 实测对纯 HTML 类 epub 同样有效，故一并放行。
|
||
SUPPORTED_EXTENSIONS = {".epub"}
|
||
|
||
|
||
def is_supported(filename: str) -> bool:
|
||
"""文件名扩展名是否在支持列表内。"""
|
||
return Path(filename).suffix.lower() in SUPPORTED_EXTENSIONS
|
||
|
||
|
||
def convert_to_pdf(src_path: Path, dst_path: Path) -> None:
|
||
"""把 src_path 指向的文件转为 PDF 写入 dst_path。
|
||
|
||
失败抛 RuntimeError（调用方捕获后写 error_message）。按扩展名分发，
|
||
当前仅 epub 分支；新增格式在此 elif 扩展。
|
||
"""
|
||
ext = src_path.suffix.lower()
|
||
if ext == ".epub":
|
||
_epub_to_pdf(src_path, dst_path)
|
||
else:
|
||
raise RuntimeError(f"不支持的文件格式：{ext}（仅支持 epub）")
|
||
|
||
|
||
def _epub_to_pdf(src_path: Path, dst_path: Path) -> None:
|
||
"""epub -> PDF：解包 epub -> 按 spine 顺序取文档项 HTML -> weasyprint 渲染。
|
||
|
||
epub 本质是 zip。先解包到临时目录，用 ebooklib 读取（其内部按 zip 解析，
|
||
base_url 指向解包后的 OEBPS/ 内容目录使相对图片/CSS 可被 weasyprint 解析）。
|
||
"""
|
||
# 延迟导入：weasyprint 首次 import 较重（加载 pango/cairo），且仅在真正转换时需要
|
||
import ebooklib # noqa: F401
|
||
from ebooklib import epub
|
||
from weasyprint import HTML
|
||
|
||
with tempfile.TemporaryDirectory(prefix="zpdf_") as tmp:
|
||
tmp_dir = Path(tmp)
|
||
# epub 是 zip，解包到临时目录便于 weasyprint 解析相对资源
|
||
try:
|
||
with zipfile.ZipFile(src_path, "r") as zf:
|
||
zf.extractall(tmp_dir)
|
||
except zipfile.BadZipFile as exc:
|
||
raise RuntimeError(f"epub 文件损坏（非有效 zip）：{exc}") from exc
|
||
|
||
try:
|
||
book = epub.read_epub(str(src_path), {"ignore_ncx": True})
|
||
except Exception as exc:
|
||
raise RuntimeError(f"epub 解析失败：{exc}") from exc
|
||
|
||
# 按 spine 顺序收集文档项（XHTML），保证章节顺序正确
|
||
docs: list[str] = []
|
||
for idref, _linear in book.spine:
|
||
item = book.get_item_with_id(idref)
|
||
if item is not None:
|
||
docs.append(item.get_content().decode("utf-8", errors="replace"))
|
||
if not docs:
|
||
# spine 为空时回退：取所有文档项
|
||
docs = [
|
||
it.get_content().decode("utf-8", errors="replace")
|
||
for it in book.get_items_of_type(ebooklib.ITEM_DOCUMENT)
|
||
]
|
||
if not docs:
|
||
raise RuntimeError("epub 内无可转换的文档内容")
|
||
|
||
full_html = "\n".join(docs)
|
||
|
||
# 定位资源根目录（含图片/CSS 的目录）：通常是 OEBPS/ 或根目录。
|
||
# epub 内资源（图片/CSS）相对文档项引用，文档项与资源同处 OPF 所在目录。
|
||
# 故以 OPF 文件所在目录作为 base_url，使相对路径正确解析。
|
||
base_url = str(tmp_dir)
|
||
opf_files = list(tmp_dir.rglob("*.opf"))
|
||
if opf_files:
|
||
opf_dir = opf_files[0].parent
|
||
# OPF 可能在根目录，此时 base_url 保持 tmp_dir
|
||
if str(opf_dir) != str(tmp_dir):
|
||
base_url = str(opf_dir)
|
||
|
||
try:
|
||
HTML(string=full_html, base_url=base_url).write_pdf(str(dst_path))
|
||
except Exception as exc:
|
||
raise RuntimeError(f"PDF 渲染失败：{exc}") from exc
|
||
|
||
if not dst_path.exists() or dst_path.stat().st_size == 0:
|
||
raise RuntimeError("PDF 渲染未产出有效文件")
|
||
logger.info("epub->pdf 完成: %s -> %s (%d bytes)", src_path.name, dst_path.name, dst_path.stat().st_size)
|