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。