Streamlit中将Markdown文本转换为PDF并提供下载的教程

import markdown2

# 假设这是你的Markdown文本内容
st_md = '''
# 比较MongoDB与其他NoSQL数据库

**上传文件:** []

以下是MongoDB与其他主要NoSQL数据库的比较：

- MongoDB是一个文档型数据库。它以灵活的JSON类文档存储数据，而不是像RDBMS那样以行和列存储。其他文档型数据库包括CouchDB和Amazon DocumentDB。

总而言之，MongoDB在文档存储的灵活性、二级索引和聚合等丰富功能以及通过水平分片实现的可扩展性之间取得了平衡，这使其成为当今许多NoSQL数据库中的热门选择。

# MongoDB与其他NoSQL数据库的优缺点

**上传文件:** []

以下是MongoDB与其他NoSQL数据库相比的一些主要优点和缺点：

**优点:**

- 使用文档表示具有动态模式的对象，数据模型灵活。比需要预定义模式的列式数据库更灵活。
- 可以在任何属性上建立索引，实现比键值存储更快的查询和检索。

**缺点:**

- ACID合规性和事务性不如传统SQL数据库。
- 没有像SQL那样的声明式查询语言。对于某些用例，查询语法可能很复杂。

因此，总的来说，MongoDB提供了灵活的文档数据模型和丰富的功能，与简单的键值存储相比，可以实现更快的读取和更强的表达能力，但缺乏数据库专家可能需要的一些功能。扩展和性能通常比传统SQL数据库更容易。
'''

html_content = markdown2.markdown(st_md)
print(html_content) # 你可以看到生成的HTML内容

import pdfkit

pdf_file_path = "generated_report.pdf"

# 如果wkhtmltopdf不在系统PATH中，需要在此处指定其路径。
# 例如：config = pdfkit.configuration(wkhtmltopdf='/usr/local/bin/wkhtmltopdf')
# pdfkit.from_string(html_content, pdf_file_path, configuration=config)

# 如果wkhtmltopdf已在PATH中，则可以直接调用
pdfkit.from_string(html_content, pdf_file_path)

print(f"PDF文件已生成到: {pdf_file_path}")

import streamlit as st
import markdown2
import pdfkit
import os

# 示例Markdown内容，与问题描述中提供的保持一致
st_md = '''
<b>compare mongodb to other no sql databases</b><br><br><b>Uploaded Files: </b>[]<br><br> Here is a comparison of MongoDB to some other major NoSQL databases:

- MongoDB is a document database. It stores data in flexible JSON-like documents rather than rows and columns like an RDBMS. Other document databases include CouchDB and Amazon DocumentDB.


In summary, MongoDB strikes a balance between the flexibility of document storage, rich functionality like secondary indexes and aggregations, and scalability via horizontal sharding that makes it a popular choice among many NoSQL databases today.<br><br><b>advantages and disadvantages of mongodb to other no sql ds</b><br><br><b>Uploaded Files: </b>[]<br><br> Here are some key advantages and disadvantages of MongoDB compared to other NoSQL databases:

Advantages:

- Flexible data model using documents to represent objects with dynamic schemas. More flexible than columnar databases that require predefined schemas.

- Index on any attribute for faster queries and retrieval compared to key-value stores.


Disadvantages:

- Less ACID compliance and transactions than traditional SQL databases.

- No declarative query language like SQL. Query syntax can be complex for some use cases.

So in summary, MongoDB provides a flexible document data model with rich functionality leading to faster reads and more expressiveness compared to simple key-value stores, but lacks some features database specialists may require. Scaling and performance is generally easier than traditional SQL databases.<br><br>
'''

st.title("Streamlit Markdown内容PDF导出工具")
st.markdown("点击按钮将下方Markdown内容转换为PDF并下载。")

# 可以选择显示原始Markdown内容
# st.subheader("原始Markdown内容:")
# st.markdown(st_md)

if st.button("生成并下载PDF报告"):
    pdf_file_path = "generated_report.pdf" # 临时PDF文件名
    try:
        # 1. Markdown转换为HTML
        html_content = markdown2.markdown(st_md)

        # 2. HTML转换为PDF
        # 如果wkhtmltopdf不在系统PATH中，请取消注释并配置路径
        # config = pdfkit.configuration(wkhtmltopdf='/usr/local/bin/wkhtmltopdf') # 示例路径
        # pdfkit.from_string(html_content, pdf_file_path, configuration=config)
        pdfkit.from_string(html_content, pdf_file_path)

        # 3. 提供下载
        with open(pdf_file_path, "rb") as f:
            st.download_button(
                label="下载PDF报告",
                data=f.read(), # 读取文件内容为二进制数据
                file_name="report.pdf", # 下载时显示的文件名
                mime="application/pdf" # 指定MIME类型
            )
        st.success("PDF报告已成功生成并可供下载！")

    except FileNotFoundError:
        st.error("错误：未找到wkhtmltopdf。请确保已安装并配置在系统PATH中，或在代码中指定其路径。")
    except Exception as e:
        st.error(f"生成PDF时发生错误: {e}")
    finally:
        # 清理：无论成功与否，都尝试删除生成的临时PDF文件
        if os.path.exists(pdf_file_path):
            os.remove(pdf_file_path)

streamlit run your_script_name.py