介紹 Pyppeteer 之前，有必要先介紹一下 Puppeteer，Puppeteer 是谷歌官方出的一個(gè)通過(guò)DevTools協(xié)議控制headless Chrome的Node庫(kù)。通過(guò)Puppeteer可以直接控制Chrome瀏覽器模擬大部分用戶操作。
所謂Headless Chrome 就是 Chrome 瀏覽器的無(wú)界面形態(tài)。
而 Pyppeteer 就是 Puppeteer 的 Python 版本非官方實(shí)現(xiàn)，它是一位來(lái)自于日本的工程師依據(jù) Puppeteer 的一些功能開(kāi)發(fā)出來(lái)的非官方版本
Pyppeteer 采用了 Python 的 async 機(jī)制，需要Python3.5 及以上版本才支持。
但凡是需要通過(guò)Chrome瀏覽器手動(dòng)完成的操作都可以通過(guò) Pyppeteer 自動(dòng)完成，例如：
例如將頁(yè)面生成截圖可以直接調(diào)用 page.screenshot 方法
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())
截圖功能在海報(bào)分享等場(chǎng)景用的多，有看過(guò)有贊工程師分享的一篇文章，就有用到Puppeteer來(lái)做海報(bào)分享，性能比Canvas高。
而將網(wǎng)頁(yè)轉(zhuǎn)換為PDF的應(yīng)用場(chǎng)景更多，比如將網(wǎng)站博客、專欄，或者公眾號(hào)文章批量導(dǎo)出PDF，方便離線閱讀，比如我們最近做的一個(gè)醫(yī)療項(xiàng)目需要將用戶填寫(xiě)的資料支持PDF形式批量導(dǎo)出，就是用的Pyppeteer
導(dǎo)出pdf直接調(diào)用page.pdf方法就可以， 代碼非常簡(jiǎn)潔
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())
接下來(lái)我們以公眾號(hào)文章為例，將html頁(yè)面制作成一個(gè)PDF文件。
安裝 pyppeteer
pip install pyppeteer
任意找一篇公眾號(hào)的文章鏈接
url = "https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw"
完成代碼：
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()
第一次運(yùn)行的時(shí)候，會(huì)自動(dòng)下載chromium瀏覽器，chromium是chrome的開(kāi)源版本， 需要幾分鐘才能下載完
[W:pyppeteer.chromium_downloader] start chromium download. Download may take a few minutes. 100%|██████████| 127496521/127496521 [00:2000:00, 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
執(zhí)行完成后，我們來(lái)預(yù)覽下pdf文件
和原文鏈接對(duì)比，發(fā)現(xiàn)文章中的圖片丟失了。
通過(guò)分析，原來(lái)是頁(yè)面源代碼中，img 標(biāo)簽沒(méi)有src屬性，只有個(gè)data-src 屬性，默認(rèn)情況下圖片是無(wú)法正常顯示的，圖片之所有能在瀏覽器能正常展示出來(lái)，是有個(gè)js腳本動(dòng)態(tài)地修改了dom元素為 img src='xxxx'>
這個(gè)網(wǎng)頁(yè)使用的是一種叫懶加載的技術(shù)展示圖片內(nèi)容，所謂懶加載就是圖片不會(huì)一次全部下載完，而是當(dāng)前瀏覽到什么位置，就加載該處的圖片，這樣能提高頁(yè)面的響應(yīng)速度，同時(shí)減輕服務(wù)器性能。
所以，我們也可以通過(guò)js代碼模擬真人瀏覽網(wǎng)頁(yè)一樣，滾動(dòng)鼠標(biāo)，不停地往下滑動(dòng)，將圖片動(dòng)態(tài)加載出來(lái)。
最后，完整代碼就變成了這樣：
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())
將js 代碼封裝成一個(gè)字符串當(dāng)作參數(shù)傳給 page.evaluate 函數(shù)， 該代碼就是獲不斷滾動(dòng)頁(yè)面，直到頁(yè)面底部為止。這樣整個(gè)頁(yè)面的圖片就全部加載出來(lái)了。
效果看起來(lái)還不錯(cuò)，和原頁(yè)面的樣式是一樣的
在Pyppeteer實(shí)踐應(yīng)用過(guò)程中，也遇到不少坑，最后都逐個(gè)解決了，這可以單獨(dú)寫(xiě)一篇文章，如果你在使用過(guò)程中遇到任何問(wèn)題歡迎與我交流
以上就是python基于pyppeteer制作PDF文件的詳細(xì)內(nèi)容，更多關(guān)于python pyppeteer制作PDF文件的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
標(biāo)簽：梅州 文山 浙江 西寧 錫林郭勒盟 石家莊 昆明 懷化
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《python基于pyppeteer制作PDF文件》，本文關(guān)鍵詞 python,基于,pyppeteer,制作,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。
