tool/utils/markd_pdf/markdown_pdf.py

import os
import subprocess
from pathlib import Path
import tempfile
import shutil

# 设置pandoc路径
PANDOC_PATH = r"D:\work\pandoc-3.6.4-windows-x86_64\pandoc-3.6.4\pandoc.exe"


def check_dependencies():
    """检查必要的依赖是否已安装"""
    # 检查 pandoc
    if not os.path.exists(PANDOC_PATH):
        raise Exception(f"未找到 pandoc，请检查路径是否正确: {PANDOC_PATH}")
    print(f"找到 pandoc: {PANDOC_PATH}")

    # 测试 pandoc 命令
    try:
        result = subprocess.run([PANDOC_PATH, '--version'], capture_output=True, text=True, encoding='utf-8')
        print(f"Pandoc 版本信息:\n{result.stdout}")
    except Exception as e:
        print(f"测试 pandoc 命令时出错: {str(e)}")
        raise

    # 检查 xelatex
    if shutil.which('xelatex') is None:
        raise Exception("未找到 xelatex，请先安装 MiKTeX：https://miktex.org/download")
    print("找到 xelatex")

    # 检查 pdflatex
    if shutil.which('pdflatex') is None:
        print("警告：未找到 pdflatex")
    else:
        print("找到 pdflatex")


def create_latex_template():
    """创建支持中文的LaTeX模板"""
    template = r"""\documentclass{article}
\usepackage[UTF8]{ctex}
\usepackage{listings}
\usepackage{color}
\usepackage{enumitem}
\usepackage{booktabs}
\usepackage{longtable}
\usepackage{hyperref}
\usepackage{amsmath}

% 定义tightlist命令
\newcommand{\tightlist}{%
  \setlength{\itemsep}{0pt}\setlength{\parskip}{0pt}}

\lstset{
    basicstyle=\ttfamily,
    breaklines=true,
    frame=single,
    numbers=left,
    numberstyle=\tiny,
    keywordstyle=\color{blue},
    commentstyle=\color{green!60!black},
    stringstyle=\color{red}
}

\begin{document}
$body$
\end{document}"""

    # 使用临时文件
    with tempfile.NamedTemporaryFile(suffix='.tex', delete=False, mode='w', encoding='utf-8') as f:
        f.write(template)
        return f.name


def markdown_to_docx(markdown_file: str, output_docx: str = None) -> str:
    """
    将Markdown文件转换为DOCX文件

    Args:
        markdown_file (str): Markdown文件的路径
        output_docx (str, optional): 输出的DOCX文件路径。如果为None，则使用与输入文件相同的名称

    Returns:
        str: 生成的DOCX文件路径
    """
    # 获取绝对路径
    markdown_file = os.path.abspath(markdown_file)
    print(f"输入文件绝对路径: {markdown_file}")

    # 检查输入文件是否存在
    if not os.path.exists(markdown_file):
        raise FileNotFoundError(f"Markdown文件不存在: {markdown_file}")
    print(f"输入文件存在: {markdown_file}")

    # 如果没有指定输出文件，则使用与输入文件相同的名称
    if output_docx is None:
        output_docx = os.path.splitext(markdown_file)[0] + '.docx'
    else:
        output_docx = os.path.abspath(output_docx)
    print(f"输出DOCX文件路径: {output_docx}")

    # 确保输出目录存在
    output_dir = os.path.dirname(output_docx)
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
        print(f"创建输出目录: {output_dir}")

    try:
        # 使用pandoc将markdown转换为docx
        cmd = [
            PANDOC_PATH,
            markdown_file,
            '-o',
            output_docx,
            '--standalone',  # 生成独立的文档
            '--wrap=preserve',  # 保持原始换行
            '--highlight-style=tango',  # 代码高亮样式
            '--metadata', 'lang=zh-CN'  # 设置文档语言
        ]

        print(f"\n执行转换命令: {' '.join(cmd)}")

        # 使用utf-8编码执行命令
        result = subprocess.run(cmd, capture_output=True, text=True, encoding='utf-8')
        print(f"命令输出: {result.stdout}")
        if result.stderr:
            print(f"命令警告: {result.stderr}")

        # 检查DOCX是否生成
        if os.path.exists(output_docx):
            print(f"DOCX文件已成功生成: {output_docx}")
            return output_docx
        else:
            raise Exception(f"DOCX文件未生成: {output_docx}")

    except subprocess.CalledProcessError as e:
        print(f"命令执行错误: {e}")
        print(f"错误输出: {e.output if hasattr(e, 'output') else '无输出'}")
        raise Exception(f"转换过程中出错: {str(e)}")
    except Exception as e:
        print(f"发生错误: {str(e)}")
        raise Exception(f"发生未知错误: {str(e)}")


def markdown_to_pdf(markdown_file: str, output_pdf: str = None) -> str:
    """
    将Markdown文件转换为PDF文件

    Args:
        markdown_file (str): Markdown文件的路径
        output_pdf (str, optional): 输出的PDF文件路径。如果为None，则使用与输入文件相同的名称

    Returns:
        str: 生成的PDF文件路径
    """
    # 检查依赖
    check_dependencies()

    # 获取绝对路径
    markdown_file = os.path.abspath(markdown_file)
    print(f"输入文件绝对路径: {markdown_file}")

    # 检查输入文件是否存在
    if not os.path.exists(markdown_file):
        raise FileNotFoundError(f"Markdown文件不存在: {markdown_file}")
    print(f"输入文件存在: {markdown_file}")

    # 如果没有指定输出文件，则使用与输入文件相同的名称
    if output_pdf is None:
        output_pdf = os.path.splitext(markdown_file)[0] + '.pdf'
    else:
        output_pdf = os.path.abspath(output_pdf)
    print(f"输出PDF文件路径: {output_pdf}")

    # 确保输出目录存在
    output_dir = os.path.dirname(output_pdf)
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
        print(f"创建输出目录: {output_dir}")

    try:
        # 创建支持中文的LaTeX模板
        latex_template = create_latex_template()
        print(f"LaTeX模板文件: {latex_template}")

        # 使用pandoc直接将markdown转换为pdf
        cmd = [
            PANDOC_PATH,
            markdown_file,
            '-o',
            output_pdf,
            '--pdf-engine=xelatex',
            f'--template={latex_template}',
            '--listings',
            '--highlight-style=tango',
            '--verbose'
        ]

        print(f"\n执行转换命令: {' '.join(cmd)}")

        # 使用utf-8编码执行命令
        result = subprocess.run(cmd, capture_output=True, text=True, encoding='utf-8')
        print(f"命令输出: {result.stdout}")
        if result.stderr:
            print(f"命令警告: {result.stderr}")

        # 检查PDF是否生成
        if os.path.exists(output_pdf):
            print(f"PDF文件已成功生成: {output_pdf}")
            return output_pdf
        else:
            raise Exception(f"PDF文件未生成: {output_pdf}")

    except subprocess.CalledProcessError as e:
        print(f"命令执行错误: {e}")
        print(f"错误输出: {e.output if hasattr(e, 'output') else '无输出'}")
        raise Exception(f"转换过程中出错: {str(e)}")
    except Exception as e:
        print(f"发生错误: {str(e)}")
        raise Exception(f"发生未知错误: {str(e)}")
    finally:
        # 清理临时文件
        if os.path.exists(latex_template):
            try:
                os.remove(latex_template)
                print(f"已删除临时模板文件: {latex_template}")
            except Exception as e:
                print(f"删除临时文件时出错: {str(e)}")


if __name__ == "__main__":
    # 使用示例
    try:
        # 获取当前脚本所在目录
        current_dir = os.path.dirname(os.path.abspath(__file__))
        print(f"当前工作目录: {current_dir}")

        # 示例：转换当前目录下的test.md文件
        input_file = os.path.join(current_dir, "test.md")

        # 转换为DOCX
        docx_file = os.path.join(current_dir, "output.docx")
        print(f"\n开始转换为DOCX...")
        docx_path = markdown_to_docx(input_file, docx_file)
        print(f"DOCX转换成功！")
        print(f"DOCX文件已保存至: {docx_path}")

        # 转换为PDF
        pdf_file = os.path.join(current_dir, "output.pdf")
        print(f"\n开始转换为PDF...")
        pdf_path = markdown_to_pdf(input_file, pdf_file)
        print(f"PDF转换成功！")
        print(f"PDF文件已保存至: {pdf_path}")

    except Exception as e:
        print(f"转换失败: {str(e)}")