Skip to content
PDF Oxide

Crear PDF desde HTML

Hay dos puntos de entrada disponibles:

  1. Pdf::from_html(content) — HTML estructural básico (encabezados, párrafos, listas, código, negrita/cursiva). Sin estilo. Disponible en todos los bindings.
  2. Pdf::from_html_css(html, css, font_bytes) — pipeline HTML+CSS puro-Rust introducido en la v0.3.37. Motor CSS propio (subconjunto de selectores L3 + L4, cascade, calc() / var(), @page / @media print), layout block / flex / grid soportado por Taffy, corte de línea UAX #14, shaping RTL con rustybuzz, ::before / ::after, page-break-*, <a href> → anotación /Link, <img> data-URI → /XObject y cascada multifuente. Cero dependencias MPL. Disponible en todos los bindings.

Ejemplo rápido

Python

from pdf_oxide import Pdf

pdf = Pdf.from_html("<h1>Hello</h1><p>World</p>")
pdf.save("out.pdf")

WASM

import { WasmPdf } from "pdf-oxide-wasm";
import { writeFileSync } from "fs";

const pdf = WasmPdf.fromHtml("<h1>Hello</h1><p>World</p>");
writeFileSync("out.pdf", pdf.toBytes());

Rust

use pdf_oxide::api::Pdf;

let pdf = Pdf::from_html("<h1>Hello</h1><p>World</p>")?;
pdf.save("out.pdf")?;

Go

package main

import (
    "log"
    pdfoxide "github.com/yfedoseev/pdf_oxide/go"
)

func main() {
    pdf, err := pdfoxide.FromHtml("<h1>Hello</h1><p>World</p>")
    if err != nil { log.Fatal(err) }
    defer pdf.Close()

    if err := pdf.Save("out.pdf"); err != nil { log.Fatal(err) }
}

C#

using PdfOxide;

using var pdf = Pdf.FromHtml("<h1>Hello</h1><p>World</p>");
pdf.Save("out.pdf");

Pipeline HTML + CSS (v0.3.37)

Pdf::from_html_css(html, css, font_bytes) recibe HTML, una hoja CSS y los bytes de una fuente TTF/OTF. Devuelve un PDF paginado. El round-trip byte a byte de extract_text se mantiene, así que los PDFs generados encajan en la infraestructura de pruebas existente.

Rust:

use pdf_oxide::api::Pdf;

let font = std::fs::read("DejaVuSans.ttf")?;
let pdf = Pdf::from_html_css(
    "<h1>Hello</h1><p>World</p>",
    "h1 { color: blue; font-size: 24pt } p { line-height: 1.5 }",
    font,
)?;
pdf.save("out.pdf")?;

Python:

from pdf_oxide import Pdf

with open("DejaVuSans.ttf", "rb") as f:
    font = f.read()

pdf = Pdf.from_html_css(
    "<h1>Hello</h1><p>World</p>",
    "h1 { color: blue; font-size: 24pt }",
    font,
)
pdf.save("out.pdf")

Node / TypeScript:

import { Pdf } from "pdf-oxide";
import { readFileSync } from "fs";

const font = readFileSync("DejaVuSans.ttf");
const pdf = Pdf.fromHtmlCss(
  "<h1>Hello</h1><p>World</p>",
  "h1 { color: blue; font-size: 24pt }",
  font,
);
pdf.save("out.pdf");

Go:

font, _ := os.ReadFile("DejaVuSans.ttf")
pdf, err := pdfoxide.FromHtmlCss(
    "<h1>Hello</h1><p>World</p>",
    "h1 { color: blue; font-size: 24pt }",
    font,
)
if err != nil { log.Fatal(err) }
defer pdf.Close()
_ = pdf.Save("out.pdf")

C#:

var font = File.ReadAllBytes("DejaVuSans.ttf");
using var pdf = Pdf.FromHtmlCss(
    "<h1>Hello</h1><p>World</p>",
    "h1 { color: blue; font-size: 24pt }",
    font);
pdf.Save("out.pdf");

Cascada multifuente

Usa Pdf::from_html_css_with_fonts(html, css, fonts) cuando el documento mezcle varias familias tipográficas. El font-family CSS de cualquier elemento se resuelve contra las familias registradas (sin distinguir mayúsculas, con o sin comillas, multi-palabra sin comillas). Las familias desconocidas caen a la primera fuente registrada.

from pdf_oxide import Pdf

fonts = [
    ("DejaVu Sans", open("DejaVuSans.ttf", "rb").read()),
    ("Noto Sans CJK", open("NotoSansCJKtc-Regular.otf", "rb").read()),
]

pdf = Pdf.from_html_css_with_fonts(
    '<h1 style="font-family: DejaVu Sans">English</h1>'
    '<p style="font-family: \'Noto Sans CJK\'">中文段落</p>',
    "h1 { font-size: 24pt }",
    fonts,
)
pdf.save("multilang.pdf")

El contenido CJK se subsetea automáticamente a la salida (v0.3.38 #385): un PDF con 5 caracteres contra una fuente CJK de ~17 MB suele pesar menos de 100 KB.

Superficie CSS soportada

  • Selectores — subconjunto L3 + L4: :is / :where / :not / :has, pseudo-clases estructurales, atributos con flags i / s.
  • Cascade — orden por origen, especificidad y source-order, herencia, merge de estilo inline, propiedades personalizadas (var() con detección de ciclos).
  • Funciones — calc(), min(), max(), clamp().
  • At-rules — @media print (siempre verdadera), (min/max-width), @page :first / :left / :right / :blank con cajas de margen, @font-face, @import, @supports.
  • Valores tipados — color (~150 nombrados, hex, rgb/rgba, hsl), longitudes (todas las unidades de CSS Values L4), display, font-size / weight / style / family, shorthand de margin / padding, line-height.
  • Contadores — counter / counters, counter-reset / -increment / -set, numeración romana / griega / alfabética.
  • Pseudo-elementos — ::before / ::after con cadenas literales, attr(name), open-quote / close-quote.
  • Layout — block, flex y grid (todo vía Taffy), colapso de márgenes, multicolumna (column-count / column-width / column-gap), tablas (algoritmos auto + fixed).
  • Inline — corte de línea UAX #14, text-align, modos white-space, saltos duros, cajas inline atómicas.
  • Efectos — opacity, transform: translate*(), page-break-before: always, page-break-after: always.
  • HTML — tokenizador HTML5, extracción de <style> / <link rel="stylesheet"> / style="" inline, decodificación de <img> data-URI (/XObject), <a href> → anotación /Link con /URI, marcadores de <ul> / <ol>.

Fuera de alcance

Filtros CSS, transformaciones 3D, animaciones, SVG dentro de HTML (todos los crates Rust de SVG son MPL), MathML, hyphens: auto, shape-outside, ejecución de JavaScript, transform con matriz completa (scale / rotate), gradientes, box-shadow.

Licencia

cargo deny check licenses pasa con cero dependencias transitivas MPL. La pila CSS de Mozilla (cssparser, selectors, html5ever, lightningcss, stylo) es toda MPL-2.0; la v0.3.37 reescribe los equivalentes a mano para mantener pdf_oxide completamente bajo MIT/Apache.

Elementos HTML soportados

Element Description
<h1> through <h6> Headings (mapped to PDF heading sizes)
<p> Paragraphs with automatic spacing
<b>, <strong> Bold text
<i>, <em> Italic text
<ul>, <ol>, <li> Unordered and ordered lists
<pre>, <code> Preformatted and inline code
<blockquote> Block quotations
<br> Line breaks
<hr> Horizontal rules

Referencia completa de la API

Pdf::from_html(content) (Static Method)

Crea un PDF desde contenido HTML usando configuración predeterminada (página Letter, márgenes de 72pt, Helvetica 12pt).

Rust:

use pdf_oxide::api::Pdf;

let html = r#"
<h1>Product Specification</h1>
<p>This document describes the <strong>technical requirements</strong>
for the new product line.</p>
<h2>Requirements</h2>
<ul>
    <li>Operating temperature: -20C to 60C</li>
    <li>Power consumption: &lt;5W</li>
    <li>Weight: &lt;200g</li>
</ul>
"#;

let pdf = Pdf::from_html(html)?;
pdf.save("spec.pdf")?;

JavaScript:

import { WasmPdf } from "pdf-oxide-wasm";
import { writeFileSync } from "fs";

const html = `
<h1>Product Specification</h1>
<p>This document describes the <strong>technical requirements</strong>
for the new product line.</p>
`;

const pdf = WasmPdf.fromHtml(html);
writeFileSync("spec.pdf", pdf.toBytes());

Python:

from pdf_oxide import Pdf

html = """
<h1>Product Specification</h1>
<p>This document describes the <strong>technical requirements</strong>
for the new product line.</p>
"""

pdf = Pdf.from_html(html)
pdf.save("spec.pdf")

Python Signature:

Pdf.from_html(
    content: str,
    title: str | None = None,
    author: str | None = None
) -> Pdf

PdfBuilder::new().from_html(content) (Builder Pattern)

Use PdfBuilder para control sobre tamaño de página, márgenes, tamaño de fuente y metadatos del documento.

Rust:

use pdf_oxide::api::PdfBuilder;
use pdf_oxide::writer::PageSize;

let pdf = PdfBuilder::new()
    .title("Technical Specification")
    .author("Engineering")
    .page_size(PageSize::A4)
    .margin(54.0)
    .font_size(11.0)
    .from_html("<h1>Spec</h1><p>Version 2.0</p>")?;

pdf.save("spec_a4.pdf")?;

Ejemplos avanzados

Reporte estructurado

use pdf_oxide::api::Pdf;

let html = r#"
<h1>Incident Report</h1>
<h2>Summary</h2>
<p>On <em>2025-11-15</em>, a service disruption was detected in the
<strong>payment processing</strong> pipeline.</p>

<h2>Timeline</h2>
<ol>
    <li>14:32 UTC - Alert triggered for elevated error rates</li>
    <li>14:35 UTC - On-call engineer acknowledged</li>
    <li>14:48 UTC - Root cause identified: database connection pool exhaustion</li>
    <li>15:02 UTC - Fix deployed, services recovering</li>
    <li>15:15 UTC - Full recovery confirmed</li>
</ol>

<h2>Root Cause</h2>
<p>A configuration change deployed at 14:00 UTC reduced the maximum
connection pool size from 100 to 10.</p>

<h2>Code Reference</h2>
<pre><code>max_connections: 10  # Should be 100
timeout_seconds: 30
</code></pre>

<h2>Action Items</h2>
<ul>
    <li>Add validation for connection pool configuration</li>
    <li>Implement canary deployment for config changes</li>
    <li>Add alerting for connection pool utilization</li>
</ul>
"#;

let pdf = Pdf::from_html(html)?;
pdf.save("incident_report.pdf")?;

Python con HTML dinámico

from pdf_oxide import Pdf

rows = [
    ("Widget A", "$12.99", 150),
    ("Widget B", "$24.50", 89),
    ("Widget C", "$7.25", 312),
]

html = "<h1>Inventory Report</h1>"
html += "<p>Generated on 2025-11-20</p>"
html += "<h2>Current Stock</h2><ul>"
for name, price, qty in rows:
    html += f"<li><strong>{name}</strong> - {price} ({qty} units)</li>"
html += "</ul>"

pdf = Pdf.from_html(html, title="Inventory Report")
pdf.save("inventory.pdf")

Leer HTML desde un archivo

from pdf_oxide import Pdf

with open("report.html") as f:
    html = f.read()

pdf = Pdf.from_html(html, title="Report")
pdf.save("report.pdf")

import { WasmPdf } from "pdf-oxide-wasm";
import { readFileSync, writeFileSync } from "fs";

const html = readFileSync("report.html", "utf-8");
const pdf = WasmPdf.fromHtml(html);
writeFileSync("report.pdf", pdf.toBytes());

use pdf_oxide::api::Pdf;

let html = std::fs::read_to_string("report.html")?;
let pdf = Pdf::from_html(&html)?;
pdf.save("report.pdf")?;

Páginas relacionadas