Python-在線網頁導出爲圖片或pdf

我們都知道一個正常的網頁，是由html+css+js組成，而其本質是一段段代碼編寫編譯而來的。而圖片是由一堆二進制數據組成的，我們該如何將網頁上顯示的內容導出爲我們想要的圖片或者pdf呢？博主閒極無聊逛遍github，發現了一個有趣的庫pyppeteer，它實現了我所需要導出需求。接下來我們來看看它是怎麼操作的：

安裝所需要的庫

pip install pillow
pip install reportlab
pip install pyppeteer

導出爲圖片

import os
import asyncio
from pyppeteer import launch

async def save_image(url, img_path):
    """
    導出圖片
    :param url: 在線網頁的url
    :param img_path: 圖片存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加載指定的網頁url
    await page.goto(url)
    # 設置網頁顯示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    path: 圖片存放位置
    clip: 位置與圖片尺寸信息
        x: 網頁截圖的x座標
        y: 網頁截圖的y座標
        width: 圖片寬度
        height: 圖片高度
    '''
    await page.screenshot({'path': img_path, 'clip': {'x': 457, 'y': 70, 'width': 730, 'height': 2600}})
    await browser.close()
    
if __name__ == '__main__':
    url = "https://www.jianshu.com/p/13dadc463f40"
    img_path = os.path.join(os.getcwd(), "example.png")
    loop = asyncio.get_event_loop()
    loop.run_until_complete(save_image(url, img_path))

執行完畢之後，不出意外的情況下，將會在當前目錄下生成一個名爲example.png的文件，那就是我們導出的圖片文件！

整頁導出爲pdf

import os
import asyncio
from pyppeteer import launch

async def save_pdf(url, pdf_path):
    """
    導出pdf
    :param url: 在線網頁的url
    :param pdf_path: pdf存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加載指定的網頁url
    await page.goto(url)
    # 設置網頁顯示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    path: 圖片存放位置
    width: 紙張寬度，帶單位的字符串
    height: 紙張高度，帶單位的字符串
    '''
    await page.pdf({'path': pdf_path, 'width': '730px', 'height': '2600px'})
    await browser.close()
    
if __name__ == '__main__':
    url = "https://www.jianshu.com/p/13dadc463f40"
    pdf_path = os.path.join(os.getcwd(), "example.pdf")
    loop = asyncio.get_event_loop()
    loop.run_until_complete(save_pdf(url, pdf_path))

執行完畢之後，不出意外的情況下，將會在當前目錄下生成一個名爲example.pdf的文件，那就是我們導出的pdf文件！不過這種導出有一種弊端，它是將整個網頁導出爲pdf，無法像圖片那樣支持位置參數，可以截取部分區域進行導出！因此，我對代碼進行修改了一下，請看下面的"區域導出爲pdf"!

區域導出爲pdf

import os
import asyncio
from io import BytesIO
from PIL import Image
from pyppeteer import launch
from reportlab.pdfgen.canvas import Canvas
from reportlab.lib.utils import ImageReader

async def save_pdf(url, pdf_path):
    """
    導出pdf
    :param url: 在線網頁的url
    :param pdf_path: pdf存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加載指定的網頁url
    await page.goto(url)
    # 設置網頁顯示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    clip: 位置與圖片尺寸信息
        x: 網頁截圖的x座標
        y: 網頁截圖的y座標
        width: 圖片寬度
        height: 圖片高度
    '''
    img_data = await page.screenshot({'clip': {'x': 457, 'y': 70, 'width': 730, 'height': 2600}})
    im = Image.open(BytesIO(img_data))
    page_width, page_height = im.size
    c = Canvas(pdf_path, pagesize=(page_width, page_height))
    c.drawImage(ImageReader(im), 0, 0)
    c.save()
    
if __name__ == '__main__':
    url = "https://www.jianshu.com/p/13dadc463f40"
    pdf_path = os.path.join(os.getcwd(), "example.pdf")
    loop = asyncio.get_event_loop()
    loop.run_until_complete(save_pdf(url, pdf_path))

如此，我們就可以進行區域截取導出pdf文件了！

值得注意的時，由於網絡、配置以及一切不可控因素，上面幾種方法都會有一定程度的出現導出錯誤，所以建議加上重試機制！

更多pyppeteer操作請看：https://github.com/miyakogi/pyppeteer

自此，Over~~~