Python-在线网页导出为图片或pdf

我们都知道一个正常的网页，是由html+css+js组成，而其本质是一段段代码编写编译而来的。而图片是由一堆二进制数据组成的，我们该如何将网页上显示的内容导出为我们想要的图片或者pdf呢？博主闲极无聊逛遍github，发现了一个有趣的库pyppeteer，它实现了我所需要导出需求。接下来我们来看看它是怎么操作的：

安装所需要的库

pip install pillow
pip install reportlab
pip install pyppeteer

导出为图片

import os
import asyncio
from pyppeteer import launch

async def save_image(url, img_path):
    """
    导出图片
    :param url: 在线网页的url
    :param img_path: 图片存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加载指定的网页url
    await page.goto(url)
    # 设置网页显示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    path: 图片存放位置
    clip: 位置与图片尺寸信息
        x: 网页截图的x座标
        y: 网页截图的y座标
        width: 图片宽度
        height: 图片高度
    '''
    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))

执行完毕之后，不出意外的情况下，将会在当前目录下生成一个名为example.png的文件，那就是我们导出的图片文件！

整页导出为pdf

import os
import asyncio
from pyppeteer import launch

async def save_pdf(url, pdf_path):
    """
    导出pdf
    :param url: 在线网页的url
    :param pdf_path: pdf存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加载指定的网页url
    await page.goto(url)
    # 设置网页显示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    path: 图片存放位置
    width: 纸张宽度，带单位的字符串
    height: 纸张高度，带单位的字符串
    '''
    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))

执行完毕之后，不出意外的情况下，将会在当前目录下生成一个名为example.pdf的文件，那就是我们导出的pdf文件！不过这种导出有一种弊端，它是将整个网页导出为pdf，无法像图片那样支持位置参数，可以截取部分区域进行导出！因此，我对代码进行修改了一下，请看下面的"区域导出为pdf"!

区域导出为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):
    """
    导出pdf
    :param url: 在线网页的url
    :param pdf_path: pdf存放位置
    :return: 
    """
    browser = await launch()
    page = await browser.newPage()
    # 加载指定的网页url
    await page.goto(url)
    # 设置网页显示尺寸
    await page.setViewport({'width': 1920, 'height': 1080})
    '''
    clip: 位置与图片尺寸信息
        x: 网页截图的x座标
        y: 网页截图的y座标
        width: 图片宽度
        height: 图片高度
    '''
    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，我们就可以进行区域截取导出pdf文件了！

值得注意的时，由于网络、配置以及一切不可控因素，上面几种方法都会有一定程度的出现导出错误，所以建议加上重试机制！

更多pyppeteer操作请看：https://github.com/miyakogi/pyppeteer

自此，Over~~~