markdown转pdf，方法总结（用于DL500八股文pdf导出；针对GitHub项目"DeepLearning-500-questions"）

 

总结使用

DeepLearning-500-questions_pdf-html版本_20241023 生成pdf、html文件，以及代码，都在里面

通过百度网盘分享的文件：DeepLearning-500-questions_pdf-html...
链接：https://pan.baidu.com/s/1D8pHj62pOyKYUjjM4KJN9w?pwd=to4e
提取码：to4e

1.

（完美解决）几乎完美解决问题，除了有些图片放得比较大，图片质量低的时候看起来效果不太好之外，其它，公式、格式、粗体、换行，基本没什么问题

a. VScode插件Markdown All In One markdown转html，Ctrl+Shift+P，>Markdown All in One: 批量打印文档为HTML（选择文件夹）。批处理，支持多级文件夹的多个文件处理

　　a.1 用代码修改一下格式

import os

def replace_strings_in_file(file_path, replacements):
    """替换文件中指定字符串并记录替换的位置"""
    modified = False
    occurrences = []
    
    # 读取文件内容
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.readlines()

    # 遍历每行进行替换
    new_lines = []
    for line_num, line in enumerate(lines, 1):
        new_line = line
        for search_string, replace_string in replacements.items():
            index = new_line.find(search_string)
            while index != -1:
                # 记录替换位置
                occurrences.append((line_num, index, search_string, replace_string))
                # 进行字符串替换
                new_line = new_line[:index] + replace_string + new_line[index + len(search_string):]
                # 查找后续出现的位置
                index = new_line.find(search_string, index + len(replace_string))
        # 保存修改后的行
        if new_line != line:
            modified = True
        new_lines.append(new_line)

    # 如果文件有修改，则重写文件
    if modified:
        with open(file_path, 'w', encoding='utf-8') as file:
            file.writelines(new_lines)

    return occurrences

def replace_strings_in_directory(directory, replacements):
    """递归遍历文件夹，查找和替换所有 Markdown 文件中的指定字符串"""
    all_occurrences = {}

    # 遍历文件夹及子文件夹
    for root, dirs, files in os.walk(directory):
        for file in files:
            if file.endswith('.md'):
                file_path = os.path.join(root, file)
                occurrences = replace_strings_in_file(file_path, replacements)
                if occurrences:
                    all_occurrences[file_path] = occurrences

    return all_occurrences

def print_replacement_occurrences(occurrences):
    """输出所有修改的位置"""
    for file_path, positions in occurrences.items():
        print(f"\nFile: {file_path}")
        for line_num, col_num, old_string, new_string in positions:
            print(f"  Line {line_num}, Column {col_num}: '{old_string}' -> '{new_string}'")

if __name__ == "__main__":
    # 输入要搜索的文件夹路径
    directory = input("请输入要搜索的文件夹路径: ")

    # 替换规则
    replacements = {
        r'\begin{eqnarray}': r'\begin{equation}\begin{aligned}',
        r'\end{eqnarray}': r'\end{aligned}\end{equation}',
        '`$': '$',
        '$`': '$'
    }

    # 执行替换并记录修改位置
    occurrences = replace_strings_in_directory(directory, replacements)

    # 输出所有替换的地方
    if occurrences:
        print_replacement_occurrences(occurrences)
    else:
        print("No replacements made.")

这是查找有多少个字符串的代码

import os

def find_string_in_file(file_path, search_string):
    """查找指定文件中某个字符串出现的位置和次数"""
    occurrences = []
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.readlines()
        for line_num, line in enumerate(lines, 1):
            # 查找当前行中字符串出现的位置
            index = line.find(search_string)
            while index != -1:
                occurrences.append((line_num, index))
                # 查找后续出现的位置
                index = line.find(search_string, index + 1)
    return occurrences

def find_string_in_directory(directory, search_string):
    """递归遍历文件夹，查找所有 Markdown 文件中指定字符串出现的位置和次数"""
    string_occurrences = {}
    
    # 遍历文件夹及子文件夹
    for root, dirs, files in os.walk(directory):
        for file in files:
            if file.endswith('.md'):
                file_path = os.path.join(root, file)
                occurrences = find_string_in_file(file_path, search_string)
                if occurrences:
                    string_occurrences[file_path] = occurrences
    
    return string_occurrences

def print_string_occurrences(occurrences, search_string):
    """输出指定字符串出现的位置和次数"""
    for file_path, positions in occurrences.items():
        print(f"\nFile: {file_path}")
        print(f"'{search_string}' found {len(positions)} time(s):")
        for line_num, col_num in positions:
            print(f"  Line {line_num}, Column {col_num}")

if __name__ == "__main__":
    directory = input("请输入要搜索的文件夹路径: ")
    search_string = input("请输入要查找的字符串: ")
    
    occurrences = find_string_in_directory(directory, search_string)
    if occurrences:
        print_string_occurrences(occurrences, search_string)
    else:
        print(f"No occurrences of '{search_string}' found.")

 

b. 使用浏览器的Microsoft print to pdf，用代码，批处理，支持多级文件夹的多个文件处理。（而使用浏览器的Microsoft print to pdf，也可以手动一一转，就是有点麻烦。）

b.1 chromedriver.exe选择版本要一样

b.2 time.sleep等待时间根据具体情况设置，如果设置大了，可能比较慢，如果设置小了，可能会报错。如果有一次报错了，比如selenium自动化DevTools连接断开问题的错误，可以选择再跑一次试试看有没有问题

import os
import json
import time
from selenium import webdriver

source_folder = r'C:/Users/chenguanbin/OneDrive - hust.edu.cn/_工作/八股文/DL500-html'  # 修改为你的HTML文件路径
output_folder = r'C:/Users/chenguanbin/OneDrive - hust.edu.cn/_工作/八股文/DL500-html-to-microsoft-pdf'    # 修改为你的输出PDF路径

chrome_options = webdriver.ChromeOptions()

settings = {
    "recentDestinations": [{
        "id": "Save as PDF",
        "origin": "local",
        "account": ""
    }],
    "selectedDestinationId": "Save as PDF",
    "version": 2,
    "isHeaderFooterEnabled": False,
    "isLandscapeEnabled": True,
    "isCssBackgroundEnabled": True,
    "mediaSize": {
        "height_microns": 297000,
        "name": "ISO_A4",
        "width_microns": 210000,
        "custom_display_name": "A4 210 x 297 mm"
    },
}
chrome_options.add_argument('--enable-print-browser')
chrome_options.add_argument('--kiosk-printing')

def print_html_files(source_folder, output_folder):
    for dirpath, _, filenames in os.walk(source_folder):
        for filename in filenames:
            if filename.endswith('.html'):
                if (filename == 'readme.html'):
                    continue

                html_path = os.path.join(dirpath, filename)
                # 生成输出PDF路径，保持文件夹结构
                relative_path = os.path.relpath(dirpath, source_folder)
                pdf_output_dir = os.path.join(output_folder, relative_path)
                os.makedirs(pdf_output_dir, exist_ok=True)
                pdf_name = f"{os.path.splitext(filename)[0]}.pdf"
                pdf_output_path = os.path.join(pdf_output_dir, pdf_name)

                prefs = {
                    'printing.print_preview_sticky_settings.appState': json.dumps(settings),
                    'savefile.default_directory': pdf_output_dir  # 修改为你的输出路径
                }
                chrome_options.add_experimental_option('prefs', prefs)
                
                # chrome_options.add_argument('--headless')
                chrome_options.add_argument('--no-sandbox')
                chrome_options.add_argument("--disable-extensions")


                driver = webdriver.Chrome(options=chrome_options)
                driver.get(f"file:///{html_path.replace('\\', '/')}")
                driver.maximize_window()
                time.sleep(10)  # 等待页面加载 # 设置大一点，确保页面加载完成
                driver.execute_script(f'document.title="{pdf_name}"; window.print();')
                time.sleep(10)  # 等待打印 # 设置大一点，确保打印完成
                driver.refresh()
                driver.close()



print_html_files(source_folder, output_folder)

 

2. VScode插件Markdown Preview Enhanced。格式是正确的。但是无法批处理和指令处理。（可以手动一一转，就是有点麻烦。））

 

3. pandoc --pdf-engine=xelatex typst、markdown-pdf可以试试，但是不保证公式和图片对不对，或者报错什么的

 

4. PDF阅读器统一把html转pdf。有些效果不太好 

 

 

需求

markdown格式转为pdf

 

我遇到的：

1. 我现在想把多个八股文文档（GitHub项目里的 scutan90/DeepLearning-500-questions: 深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，50余万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系scutjy2015@163.com 版权所有，违权必究 Tan 2018.06）

2. 有的GitHub项目，可以导出markdown、pdf，比如OI-Wiki

 

遇到问题

1. markdown格式，涉及多种不同的设计规则。这里应该是Github专门的md格式

2. 公式有时识别不到

3. 换行、图片位置，有时做得不好

4. 中文、英文字体和粗体，有时无法处理

 

着手方向

1. Github本身是怎么处理打印这件事的。还有参考一些项目，比如OI-Wiki，看看它们怎么去处理，它们挺有打印成pdf的需求的。

2. 一些已有的GitHub项目，python库，还有Foxit这样的PDF阅读器，还有一些md的软件，比如typora。

3. 搜索VScode插件、GitHub项目，关键词如multi、multiply、batch

 

 

已有方法，网上的讨论

How Can I Convert Github-Flavored Markdown To A PDF - Super User

 

 

 

 

 

 

http://www.markdowntopdf.com

 

 

 

 

Grip

joeyespo/grip：在提交 GitHub README.md 文件之前，先在本地预览它们。

 

 

pip install grip  
grip your_markdown.md

grip your_markdown.md --export your_markdown.html

 

 

或者：Alternatively you can download (free!) Atom (atom.io), open your file in Atom, use control + shift+ M to view it in preview, save as html, then open the html in your Chrome browser and save as pdf. 

 

非常棒的一个工具，即装即用，就是公式识别不太好。

 

 

 

 

vscode插件Markdown Preview Enhanced

格式都挺好的

不过只能手动处理，而且无法批处理

 

Markdown PDF vscode插件 / 工具

 

但是转pdf或html，效果不好：

 这是因为markdown转pdf 公式没有得到转换，

采用VScode中Markdown PDF无法正确输出包含公式的pdf解决方案_markdown pdf 数学公式无法识别-CSDN博客 这里的方法解决，

Markdown PDF无法正确输出包含公式的pdf解决方案
安装该插件后，可以找到如下路径文件

C://Users/<username>/.vscode/extensions/yzane.markdown-pdf-XXX/template/template.html
然后在该文件末尾添加如下两行javascript代码。

 

<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML"></script>
<script type="text/x-mathjax-config"> MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });</script>

 

 

vscode插件Markdown All in One

Ctrl+Shift+P: Markdown: Print current document to HTML 或者右键

可以批处理

 

 

得到的是md->html，完整文件夹多级结构的一一对应。特别好！

 

但是只能转html格式

基本上公式、图片都挺准确的

 

也有极少数问题：

html文件搜索ParseError寻找

1. equarray（latex里的）无法识别

2. `$U,W,b$` 无法识别公式+斜体

3. 少数文档的部分\times（我没有处理，处理应该不难；看着还好就没处理）

4. 这个问题多个vscode插件都遇到问题（不想处理）

 

 

 

解决方法：

1. KaTeX parse error: No such environment: eqnarray at position 7: \begin{̲e̲q̲n̲a̲r̲r̲a̲y̲}̲ \label{eq} - CSDN文库

\begin{eqnarray} 修改为\begin{equation}\begin{aligned}

\end{eqnarray} 修改为\end{aligned}\end{equation}

 

2. 

`$修改为$，$`修改为$

 

chatgpt：

写一个代码，识别一个文件夹里的所有markdown文件，它可能是多级文件夹，某个字符串出现的位置和数目。这个字符串，比如是"eqnarray"、"`$"、"$`"。

 

写一个代码，识别一个文件夹里的所有markdown文件，它可能是多级文件夹。把markdown文件里面，所有的字符串"\begin{eqnarray}"改为"\begin{equation}\begin{aligned}"，所有的字符串"\end{eqnarray}"改为"\end{aligned}\end{equation}"，所有的字符串"`$"改为"$"，所有的字符串"$`"改为"$"。并输出所有修改的位置

　　

代码看文章最前面

 

 

File: C:\Users\chenguanbin\OneDrive - hust.edu.cn\_工作\八股文\DeepLearning-500-questions\ch02_机器学习基础\第二章_机器学习基础.md
  Line 923, Column 0: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 930, Column 0: '\end{eqnarray}' -> '\end{aligned}\end{equation}'
  Line 948, Column 0: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 952, Column 0: '\end{eqnarray}' -> '\end{aligned}\end{equation}'
  Line 956, Column 0: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 961, Column 0: '\end{eqnarray}' -> '\end{aligned}\end{equation}'

File: C:\Users\chenguanbin\OneDrive - hust.edu.cn\_工作\八股文\DeepLearning-500-questions\ch03_深度学习基础\第三章_深度学习基础.md
  Line 612, Column 1: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 612, Column 534: '\end{eqnarray}' -> '\end{aligned}\end{equation}'
  Line 668, Column 1: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 668, Column 226: '\end{eqnarray}' -> '\end{aligned}\end{equation}'

File: C:\Users\chenguanbin\OneDrive - hust.edu.cn\_工作\八股文\DeepLearning-500-questions\ch06_循环神经网络(RNN)\第六章_循环神经网络(RNN).md
  Line 17, Column 31: '`$' -> '$'
  Line 17, Column 33: '$`' -> '$'
  Line 43, Column 16: '`$' -> '$'
  Line 43, Column 28: '`$' -> '$'
  Line 43, Column 40: '`$' -> '$'
  Line 43, Column 22: '$`' -> '$'
  Line 43, Column 31: '$`' -> '$'
  Line 43, Column 43: '$`' -> '$'

File: C:\Users\chenguanbin\OneDrive - hust.edu.cn\_工作\八股文\DeepLearning-500-questions\English version\ch03_DeepLearningFoundation\ChapterIII_DeepLearningFoundation.md
  Line 581, Column 1: '\begin{eqnarray}' -> '\begin{equation}\begin{aligned}'
  Line 581, Column 540: '\end{eqnarray}' -> '\end{aligned}\end{equation}'

 

 

 

 

 

 

 

而且无法用指令去处理，但是其实批处理一个文件夹内的所有文件，已经挺可以了。

 

还有少数是多个软件也无法解决的：

 

 

 

html转pdf

1. wkhtmltopdf：公式有些没识别到，还有公式格式有点难看。

有些图片也没识别到

 

 

 

 

 

 

 

2. foxit：可以批处理，选择一个文件夹。

遇到图片消失的

html

 

 foxit pdf

 

 还有表格有点丑

3. 浏览器 microsoft print to pdf

效果挺好的

唯一不太好的是图片有的放得比较大，有些图片质量大，放大后图片有点模糊

 

用python进行批处理

参考了这位的工作python之批量打印网页为pdf文件（一） - NewJune - 博客园

代码看文章最前面

 

寻找有没有pdf没有生成：

import os

def get_corresponding_files(folder_a, folder_b):
    correspondences = {}

    # 获取文件夹A的文件
    for root, _, files in os.walk(folder_a):
        for file in files:
            if file.endswith('.html'):
                relative_path = os.path.relpath(root, folder_a)
                correspondences[os.path.join(relative_path, file[:-5])] = 'html'

    # 获取文件夹B的文件
    for root, _, files in os.walk(folder_b):
        for file in files:
            if file.endswith('.pdf'):
                relative_path = os.path.relpath(root, folder_b)
                correspondences[os.path.join(relative_path, file[:-4])] = 'pdf'

    return correspondences

def find_missing_pdfs(folder_a, folder_b):
    correspondences = get_corresponding_files(folder_a, folder_b)

    # 找出缺失的pdf文件
    missing_pdfs = [key + '.pdf' for key in correspondences.keys() if correspondences[key] == 'html' and key + '.pdf' not in correspondences]

    return missing_pdfs

folder_a = 'C:/Users/chenguanbin/OneDrive - hust.edu.cn/_工作/八股文/DL500-html'  # 替换为A文件夹路径
folder_b = 'C:/Users/chenguanbin/OneDrive - hust.edu.cn/_工作/八股文/DL500-html-to-microsoft-pdf'    # 替换为B文件夹路径
missing_pdf_files = find_missing_pdfs(folder_a, folder_b)

# print("Missing PDF files in folder B:", missing_pdf_files)
print("Missing PDF files in folder B:")
for data in missing_pdf_files:
    print(data)

# 'ch01_数学基础\\第一章_数学基础.pdf', 'ch06_循环神经网络(RNN)\\第六章_循环神经网络(RNN).pdf'

 

中文数字改成英文数字，方便排序：

import os
import re

# 中文数字与阿拉伯数字的映射
chinese_to_arabic = {
    '零': '0', '一': '1', '二': '2', '三': '3', '四': '4',
    '五': '5', '六': '6', '七': '7', '八': '8', '九': '9',
    '十': '10', '百': '100', '千': '1000', '万': '10000'
}

# 将中文数字转换为阿拉伯数字
def convert_chinese_to_arabic(chinese_number):
    total = 0
    current = 0
    for char in chinese_number:
        if char in chinese_to_arabic:
            current += int(chinese_to_arabic[char])
        elif char == '十':
            current = current if current > 0 else 1  # 处理"十"开头的情况
            current *= 10
        elif char in ['百', '千', '万']:
            if char == '百':
                current *= 100
            elif char == '千':
                current *= 1000
            elif char == '万':
                total += current * 10000
                current = 0
    total += current
    return total

def rename_pdfs(folder):
    for filename in os.listdir(folder):
        if filename.endswith('.pdf'):
            match = re.match(r'第([零一二三四五六七八九十]+)章(.+)\.pdf', filename)
            if match:
                chinese_number = match.group(1)
                arabic_number = convert_chinese_to_arabic(chinese_number)
                new_filename = f'第{arabic_number}章{match.group(2)}.pdf'
                os.rename(os.path.join(folder, filename), os.path.join(folder, new_filename))
                print(f'Renamed: {filename} to {new_filename}')

folder_path = r'C:/Users/chenguanbin/OneDrive - hust.edu.cn/_工作/八股文/DL500-html-to-microsoft-pdf'  # 替换为你的文件夹路径
rename_pdfs(folder_path)

 

 

完结撒花！

 

markdown-pdf项目

alanshaw/markdown-pdf: Markdown to PDF converter

 

选择node版本11.10（选择高版本可能会报错）：

npm install markdown-pdf --save

 

 

它可以进行批处理

alanshaw/markdown-pdf: Markdown to PDF converter

这是官方提供的，From multiple paths to multiple paths：

var markdownpdf = require("markdown-pdf")

var mdDocs = ["home.md", "about.md", "contact.md"]
  , pdfDocs = mdDocs.map(function (d) { return "out/" + d.replace(".md", ".pdf") })

markdownpdf().from(mdDocs).to(pdfDocs, function () {
  pdfDocs.forEach(function (d) { console.log("Created", d) })
})

 

node xxx.js

 

 

但是公式没识别出来 

 

emmm，也有人提出需求：Is there a way to use MathJax? · Issue #155 · alanshaw/markdown-pdf 

 

pandoc

1. pandoc --pdf-engine=xelatex

有可能遇到问题

! Package amsmath Error: Erroneous nesting of equation structures; (amsmath) trying to recover with `aligned'.

See the amsmath package documentation for explanation. Type H <return> for immediate help. ...

l.584 \end{align*}

 

解决方案是把前后的"$$"删除

 

还有比如Missing $ inserted的问题

Error producing PDF.
! Missing $ inserted.
<inserted text>
                $
l.290 鏄湡瀹炲€硷紝\$ \frac{\partial y_l}{\partial z_l}

markdown - Pandoc Error: ! missing $ inserted - Stack Overflow

 

 

 

2. pandoc --pdf-engine=typst

它有时也会有格式的问题

 

 

遇到问题，无法粗体和斜体

使用

--ascii

--highlight

-V CJKmainfont:SourceHanSerifCN-Regular -V CJKoptions:BoldFont=SourceHanSansCN-Medium,ItalicFont=STKaiti

都不行

 

潜在解决方法：官方文档（后续我没处理了，有点麻烦）

用 pandoc 让 Markdown 从 LaTeX 输出 pdf 文档 - 黄石的时空回环

中文没有加粗 | Typst 中文社区导航

 

 

 

其它方法和软件

1. prince软件（Markdown Preview Enhanced里面有使用）

效果不佳，无法识别公式

2. 

• pandoc + Typst
• pandoc + latex
• rst2pdf
• rinohtype
• weasyprint
• mdpdf

 

效果均不太理想。比如公式，比如markdown一些格式无法识别