python基于pyppeteer制作PDF文件
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headlessChrome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HeadlessChrome就是Chrome浏览器的无界面形态。
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
importasyncio frompyppeteerimportlaunch asyncdefmain(): browser=awaitlaunch() page=awaitbrowser.newPage() awaitpage.goto('https://foofish.net') awaitpage.screenshot({'path':'example.png'}) awaitbrowser.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
importasyncio frompyppeteerimportlaunch asyncdefmain(): browser=awaitlaunch() page=awaitbrowser.newPage() awaitpage.goto('https://foofish.net') awaitpage.pdf({ "path":"example.pdf","format":'A4'}) awaitbrowser.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
pipinstallpyppeteer
任意找一篇公众号的文章链接
url="https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw"
完成代码:
browser=awaitlaunch( options={'headless':True, 'args':['--no-sandbox', '–disable-gpu', '–disable-dev-shm-usage', '–disable-setuid-sandbox', '–no-first-run', '–no-zygote', '–single-process' ]},) page=awaitbrowser.newPage() url="https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw" awaitpage.goto(url) file_name="test.pdf" awaitpage.pdf({"path":file_name,"format":'A4'}) awaitbrowser.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
[W:pyppeteer.chromium_downloader]startchromiumdownload. Downloadmaytakeafewminutes. 100%|██████████|127496521/127496521[00:20<00:00,6268578.80it/s] [W:pyppeteer.chromium_downloader] chromiumdownloaddone. [W:pyppeteer.chromium_downloader]chromiumextractedto:C:\Users\lzjun\AppData\Local\pyppeteer\pyppeteer\local-chromium\575458
执行完成后,我们来预览下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
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:
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
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pythonpyppeteer制作PDF文件的资料请关注毛票票其它相关文章!
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。