解压并转换HTML为pdf
银行承兑汇票 transBill_info_*.zip / *.rar → A4 干净 PDF 的一键工具。
文件组成
| 文件 | 作用 |
|---|---|
承兑转PDF.bat |
一键入口（双击或拖拽压缩包到它上面） |
transbill_to_pdf.py |
核心脚本（解压 → Edge 转 PDF → 去空白页 → 清理） |
SKILL.md |
本说明 |
运行依赖（本机已具备）
- Python 3 且装有
pymupdf（脚本 import pymupdf，缺则回退 import fitz）
- 本机固定调用：C:\Users\DHCW\.workbuddy\binaries\python\envs\default\Scripts\python.exe
- 换机器时把 bat 里的 python 路径改成目标机器的 python 即可 - Edge / Chrome（headless 打印引擎），候选路径见脚本
EDGE_CANDIDATES - WinRAR（仅 rar 需要，
UnRAR.exe），zip 不需要
用法
- 双击 bat：自动处理 bat 同目录下所有
*.zip/*.rar - 拖拽压缩包到 bat 上：只处理拖入的那一个
- 命令行：
python transbill_to_pdf.py "xxx.zip" "yyy.rar"
输出：在压缩包同目录生成 <html名>.pdf（与压缩包内 html 同名），A4。
转换规则（已固化的关键参数，勿随意改）
- 纸张 A4：注入
@page{size:A4;margin:0 20mm}。默认 Edge headless 输出 Letter（216×279mm），必须注入才对齐 A4。 - 去掉背景图：注入
.transparent{background-image:none !important;background:none !important}。背景是浅色边框花纹 + 灰色水印大图，去掉后只剩文字表格 + 左上 logo（logo 是<img>标签，不受影响）。 - 票据朝上：注入
.transparent{margin-top:-6mm !important}，实测内容顶部 18mm → 12mm，且各页顶部对齐。
- 安全上限是 -6mm。设 -10mm 会内容溢出破坏分页（实测 34 页被挤成 1 页）。 - 删空白页：HTML 末尾常有
page-break-after:always多出纯空白页，用 PyMuPDF 按「0 文本且 0 图片」检测删除。 - 自动清理：转完后删除解压出的中间目录（
shutil.rmtree），目录只留压缩包 + PDF + 脚本。
兼容性处理（踩过的坑）
- zip 中文文件名：银行 zip 内文件名可能按 cp437 存，需无 UTF-8 标志时尝试
cp437→gbk/utf-8还原，否则解出乱码文件名。 - rar 输出乱码：UnRAR 控制台输出是 GBK，subprocess 需
encoding='utf-8', errors='replace'，否则中文路径/输出解码报错。 - Edge headless 进程残留：
--user-data-dir用独立临时目录，转完进程可能不退出并锁目录 → 脚本_kill_headless按 profile 名强杀（PowerShell 命令），profile 放系统 temp。 - 临时文件放系统 temp（
tempfile.mkdtemp），不在数据目录留._tmp.html/._raw.pdf残留。 - bat 防注入：终端安全软件（迪台博隔离墙）会破坏带
set变量 / 中文 echo 的 bat。bat 必须写成最简结构：不用 set/变量/if，硬编码 python 绝对路径，echo 用纯 ASCII。
验证方式
转完用 pymupdf 检查输出：
- 页数 = 有效票面/背书页数（无末尾空白页）
- 每页尺寸 ≈ 595×842 pt（A4）
- 每页仅 1 个图片块（logo）、无大块背景图
- 各页内容顶部 ≈ 12mm（均匀靠上）
边界
- 只处理含
.html/.htm的压缩包；无 html 则跳过。 - 不读取、不记录、不外传票据正文内容（号码/金额/背书链等票面详情）。本工具只做格式转换，票据详情严禁写入任何记忆或文档。
