Jupyter Notebook を HTML 経由で PDF に変換するスクリプト (Playwright 使用)

nb2pdf.py

"""
Jupyter Notebook を PDF に変換します。以下のように実行してください。

使用例:
    python nb2pdf.py aaa/bbb/ccc.ipynb
    python nb2pdf.py aaa/bbb/ccc.ipynb --header  # ファイル冒頭に「関係者外秘」と印字します。
"""
from playwright.sync_api import sync_playwright
from bs4 import BeautifulSoup
from pathlib import Path
import subprocess
import re
import argparse


class NotebookPDFConverter:
    """ Jupyter Notebook を HTML 経由で PDF に変換するクラス

    Note:
        aaa/bbb/ccc.ipynb を aaa/bbb/tmp.html を経由して aaa/bbb/ccc.pdf にします。
        中間ファイル・出力ファイルは上書きするので、必要があれば上書き防止処理を追加してください。
        中間 HTML への加工処理 [2a] [2b] [2c] は不要なら削除して構いません。
    """
    @classmethod
    def _repl(cls, match):
        return '\n' + '\u2423' * len(match.group(1))

    @classmethod
    def replace_whitespaces_in_pre(cls, soup, pre):
        # ある pre タグ内の行頭の空白を空白文字に置換する
        for child in pre.children:
            if child.name or ('\n' not in child):
                continue
            # 改行を含む文字列のとき改行後の空白を同じ数の U+2423 Open Box に置換 (ライトグレーで)
            tag_open_box = soup.new_tag('span', style='color: lightgray;')
            tag_open_box.string = str(re.sub(r'\n( +)', NotebookPDFConverter._repl, child))
            child.replace_with(tag_open_box)

    @classmethod
    def replace_whitespaces(cls, soup, cells):
        # セル内の行頭の空白を空白文字に置換する
        for cell in cells:
            pres = cell.find_all('pre')
            for pre in pres:
                NotebookPDFConverter.replace_whitespaces_in_pre(soup, pre)

    def __init__(self, ipynb_path, print_header):
        html_path = ipynb_path.parent / 'tmp.html'
        pdf_path = ipynb_path.with_suffix('.pdf')

        # [1] まずノートブックを HTML に変換し Beautiful Soup でパースする
        subprocess.run(['jupyter', 'nbconvert', '--to', 'html', '--output', html_path, ipynb_path])
        soup = BeautifulSoup(html_path.read_text(encoding='utf8'), 'html.parser')

        # [2a] インプットセル内の行頭の空白を空白文字に置換する (PDF 上のコードがコピペできなくなるため)
        cells = soup.find_all('div', class_='jp-Cell-inputWrapper')
        NotebookPDFConverter.replace_whitespaces(soup, cells)

        # [2b] head タグ末尾に独自スタイルを挿入する
        tag_custom_style = soup.new_tag('style', type='text/css')
        tag_custom_style.string = 'body {margin: 0 !important; padding: 0 !important;}\n' \
            + 'div.jp-MarkdownOutput {font-family: "Rounded Mplus 1c"; line-height: 1.2;}\n' \
            + 'pre {font-family: "JetBrains Mono" !important;}\n'
        soup.head.append(tag_custom_style)

        # [2c] main タグ先頭に「関係者外秘」と印字する
        if print_header:
            soup.find('main').insert(0, '関係者外秘')

        # [3] HTML を PDF として保存する
        with sync_playwright() as p:
            browser = p.chromium.launch()
            page = browser.new_page()
            page.set_content(str(soup))
            page.pdf(path=pdf_path, format='A4', print_background=True, scale=0.9)
            browser.close()


if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('ipynb_path', type=str)
    parser.add_argument('--header', action='store_true')
    args = parser.parse_args()
    NotebookPDFConverter(Path(args.ipynb_path).resolve(), args.header)