python基于pyppeteer制作PDF文件

时间:2022-11-25 16:56:20

pyppeteer 是什么

介绍 pyppeteer 之前,有必要先介绍一下 puppeteer,puppeteer 是谷歌官方出的一个通过devtools协议控制headless chrome的node库。通过puppeteer可以直接控制chrome浏览器模拟大部分用户操作。

所谓headless chrome 就是 chrome 浏览器的*面形态。

而 pyppeteer 就是 puppeteer 的 python 版本非官方实现,它是一位来自于日本的工程师依据 puppeteer 的一些功能开发出来的非官方版本

pyppeteer 采用了 python 的 async 机制,需要python3.5 及以上版本才支持。

pyppeteer能做什么

但凡是需要通过chrome浏览器手动完成的操作都可以通过 pyppeteer 自动完成,例如:

  • 生成页面截图
  • 生成pdf文件
  • 抓取单页面应用并生成预先呈现的内容
  • 从网站抓取你需要的内容
  • 自动表单提交,ui测试,键盘输入等

截图

例如将页面生成截图可以直接调用 page.screenshot 方法

?
1
2
3
4
5
6
7
8
9
10
11
import asyncio
from pyppeteer import launch
 
async def main():
 browser = await launch()
 page = await browser.newpage()
 await page.goto('https://foofish.net')
 await page.screenshot({'path': 'example.png'})
 await browser.close()
 
asyncio.get_event_loop().run_until_complete(main())

截图功能在海报分享等场景用的多,有看过有赞工程师分享的一篇文章,就有用到puppeteer来做海报分享,性能比canvas高。

而将网页转换为pdf的应用场景更多,比如将网站博客、专栏,或者公众号文章批量导出pdf,方便离线阅读,比如我们最近做的一个医疗项目需要将用户填写的资料支持pdf形式批量导出,就是用的pyppeteer

导出pdf

导出pdf直接调用page.pdf方法就可以, 代码非常简洁

?
1
2
3
4
5
6
7
8
9
10
11
12
import asyncio
from pyppeteer import launch
 
async def main():
 browser = await launch()
 page = await browser.newpage()
 await page.goto('https://foofish.net')
 await page.pdf({
  "path": "example.pdf", "format": 'a4'})
 await browser.close()
 
asyncio.get_event_loop().run_until_complete(main())

接下来我们以公众号文章为例,将html页面制作成一个pdf文件。

公众号链接导出pdf示例

安装 pyppeteer

?
1
pip install pyppeteer

任意找一篇公众号的文章链接

?
1
url = "https://mp.weixin.qq.com/s/6vbxs19icv0o5ht7chywgw"

完成代码:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
browser = await launch(
 options={'headless': true,
    'args': ['--no-sandbox',
      '–disable-gpu',
      '–disable-dev-shm-usage',
      '–disable-setuid-sandbox',
      '–no-first-run',
      '–no-zygote',
      '–single-process'
      ]}, )
page = await browser.newpage()
url = "https://mp.weixin.qq.com/s/6vbxs19icv0o5ht7chywgw"
await page.goto(url)
file_name = "test.pdf"
await page.pdf({"path": file_name, "format": 'a4'})
await browser.close()

第一次运行的时候,会自动下载chromium浏览器,chromium是chrome的开源版本, 需要几分钟才能下载完

?
1
2
3
4
5
6
[w:pyppeteer.chromium_downloader] start chromium download.
download may take a few minutes.
100%|██████████| 127496521/127496521 [00:20<00:00, 6268578.80it/s]
[w:pyppeteer.chromium_downloader]
chromium download done.
[w:pyppeteer.chromium_downloader] chromium extracted to: c:\users\lzjun\appdata\local\pyppeteer\pyppeteer\local-chromium\575458

执行完成后,我们来预览下pdf文件

python基于pyppeteer制作PDF文件

和原文链接对比,发现文章中的图片丢失了。

通过分析,原来是页面源代码中,img 标签没有src属性,只有个data-src 属性,默认情况下图片是无法正常显示的,图片之所有能在浏览器能正常展示出来,是有个js脚本动态地修改了dom元素为 <img src='xxxx'>

python基于pyppeteer制作PDF文件

这个网页使用的是一种叫懒加载的技术展示图片内容,所谓懒加载就是图片不会一次全部下载完,而是当前浏览到什么位置,就加载该处的图片,这样能提高页面的响应速度,同时减轻服务器性能。

所以,我们也可以通过js代码模拟真人浏览网页一样,滚动鼠标,不停地往下滑动,将图片动态加载出来。

最后,完整代码就变成了这样:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
async def main():
    browser = await launch()
    page = await browser.newpage()
    url = "https://mp.weixin.qq.com/s/6vbxs19icv0o5ht7chywgw"
    await page.goto(url)
    await page.evaluate('''async () => {
                    await new
                promise((resolve, reject) => {
                    var
                totalheight = 0;
                var
                distance = 100;
                var
                timer = setinterval(() => {
                    var
                scrollheight = document.body.scrollheight;
                window.scrollby(0, distance);
                totalheight += distance;
 
                if (totalheight >= scrollheight){
                clearinterval(timer);
                resolve();
                }
                }, 100);
                });
        }''')
    await page.pdf({
        "path""test.pdf""format"'a4'})
    await browser.close()
 
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())

将js 代码封装成一个字符串当作参数传给 page.evaluate 函数, 该代码就是获不断滚动页面,直到页面底部为止。这样整个页面的图片就全部加载出来了。

效果看起来还不错,和原页面的样式是一样的

python基于pyppeteer制作PDF文件

在pyppeteer实践应用过程中,也遇到不少坑,最后都逐个解决了,这可以单独写一篇文章,如果你在使用过程中遇到任何问题欢迎与我交流

以上就是python基于pyppeteer制作pdf文件的详细内容,更多关于python pyppeteer制作pdf文件的资料请关注服务器之家其它相关文章!

原文链接:https://juejin.cn/post/6937307375766339592