1. 环境依赖

首先

npm install -g phantomjs-prebuilt

笔者 python 2.7.15 的环境，requirements.txt 如下：

 jinja2>=2.8

 future

 lml>=0.0.2

 jupyter-echarts-pypkg>=0.1.1

 pyecharts-javascripthon

 pyecharts-snapshot==0.1.10   # > 0.1.10 以上版本仅支持python 3+

 pyecharts==0.5.10  # pyecharts v1 版本仅支持python 3.6+

2. 了解 docx 的结构

推荐两篇文章：

1. https://www.cnblogs.com/zhanghongfeng/p/7043412.html
2. https://blog.csdn.net/qwe125698420/article/details/70622289?locationNum=3&fps=1

发现 docx 与 xml 关系密切，所以我们以 xml 为模板，最后从 xml 转换为 docx 文件

3. 我的模板

使用 docx 文件创建模板，另存为 xml 文件

4. 获取 prometheus 数据

利用 prometheus 提供的 http 查询方式获取一组待分析数据。

def get_prom_data():
    url = ("http://{host}:{port}/api/v1/query_range?query=ping_delay<peer='{peer}',"
           "source='{source}'>&start={start_time}&end={end_time}&step=14")
    end_time = time.time()
    start_time = end_time - 3600  # 取 1小时数据
    qyery_url = url.format(host="xx", port="xx", peer="xx", source="xx", 
                           start_time=start_time, end_time=end_time)
    status_url = qyery_url.replace("<", "{").replace(">", "}")

    data = {}
    rsp = do_request(status_url)
    if rsp.get("status", "") == "success" and rsp.get("data", {}).get("result", []):
        data = rsp["data"]["result"][0]["values"]

    if not data:
        raise Exception("prometheus data not found"
    return data

4. 数据制图

使用 pyecharts 将从 prometheus 获取的数据制作城图形，选择合适的图形来表达自己的数据，这里我使用了饼图来表达“链路延迟等级分布”。

from pyecharts import Bar, Pie, Grid, Line, Overlap

def create_a_pic():
    prom_data = get_prom_data()

    attr = ["良好", "正常", "警告", "严重"]
    good, nomal, warn, cri = parse_data(prom_data)

    pie = Pie("链路延迟等级分布图")
    pie.add("delay", attr, [good, nomal, warn, cri], is_random=True, radius=[30, 75])
    pie.render(path="test.png")

5. 生成图片信息流

将图片以 bytes 读取，并使用 base64 加密。

def get_encoded_pic(path):
    """
    将图片转化为字节数据
    :param path: 图片的路径
    :return: 加密的字节数据
    """
    if not os.path.exists(path):
        raise Exception("{} not exists".format(path))
    with open(path, "rb") as f:
        data = base64.standard_b64encode(f.read())
        return data

6. 图片放入模板

将上一步生成的图片信息流放入到模板，其中的难点就是编码问题。懂得Python的都知道python2的编码问题，碰到过的几乎都吐血一升。

def writeback_xml(data):
    """
    data 是编译图片生成的 bytes 格式的字符串，
    data.decode("utf-8")将 bytes 解码成unicode，
    render 之后是 str 格式，但是 f.write() 需要 unicode 格式，
    所以使用 encode("utf-8")
       
    :param data: 图片的字节数据
    :return: 
    """
    env = Environment(loader=FileSystemLoader(PWD))
    template = env.get_template("test.xml")
    with open(NEW_XML_PATH, "wb") as f:
        f.write(template.render(pic=data.decode("utf-8")).encode("utf-8"))
        

6. 完成报表

将上面生成的 xml 文件另存为 docx 格式即可