【Python】Python将HTML转成图片、PDF |
您所在的位置：网站首页 › python输出html页面 › 【Python】Python将HTML转成图片、PDF |
【Python】Python将HTML转成图片、PDF
|
一、方法一——imgkit库
1、安装python的imgkit、pdfkit库
pip install imgkit
pip install pdfkit
2、下载wkhtmltopdf工具包
下载地址：https://wkhtmltopdf.org/downloads.html ，64位windows的话可以下载红框标出的版本
这个工具包有两个程序，分别用来转图片和pdf：
API说明 我们常用PDFKit的三个API： from_url：将远程URL页面导出为PDF。from_file：将HTML文件导出为PDF。from_string：将字符串导出为PDF。 import pdfkit path_wkpdf = r'D:\DevelopSoftware\wkhtmltopdf\bin\wkhtmltopdf.exe' # 工具路径 cfg = pdfkit.configuration(wkhtmltopdf=path_wkpdf) # 1、将html文件转为pdf pdfkit.from_file(r'./helloworld.html', 'helloworld.pdf', configuration=cfg) pdfkit.from_file([r'./helloworld.html', r'./111.html', r'./222.html'], 'helloworld.pdf', configuration=cfg) # 传入列表 # 2、从url获取html，再转为pdf pdfkit.from_url('https://httpbin.org/ip', 'ip.pdf', configuration=cfg) pdfkit.from_url(['https://httpbin.org/ip','https://httpbin.org/ip'], 'ip.pdf', configuration=cfg) # 传入列表 # 3、将字符串转为pdf pdfkit.from_string('Hello!','hello.pdf', configuration=cfg) 2）转为图片 import imgkit path_wkimg = r'D:\DevelopSoftware\wkhtmltopdf\bin\wkhtmltoimage.exe' # 工具路径 cfg = imgkit.config(wkhtmltoimage=path_wkimg) # 1、将html文件转为图片 imgkit.from_file(r'./helloworld.html', 'helloworld.jpg', config=cfg) # 2、从url获取html，再转为图片 imgkit.from_url('https://httpbin.org/ip', 'ip.jpg', config=cfg) # 3、将字符串转为图片 imgkit.from_string('Hello!','hello.jpg', config=cfg) 3）补充options选项评论区有大胸弟问中文字符串乱码的问题（参考：https://www.cnblogs.com/Neeo/articles/11566980.html）: 一般情况下，html中的meta中表明编码格式charset时，程序就会自动按照charset编码进行转码。但如果未标明就会出现问题，因此可以通过在options参数中设置编码选项： options = { "encoding": "UTF-8", # 设置编码格式，这边utf8是个示例，具体用哪个编码还要看你的html文件用什么 'javascript-delay': '2000', # 设置等待javascript渲染时间 "custom-header": [('Accept-Encoding', 'gzip')], # 下面的是设置图片的样式 'page-size': 'Letter', 'margin-top': '0.75in', 'margin-right': '0.75in', 'margin-bottom': '0.75in', 'margin-left': '0.75in', 'no-outline': False }其他options可以参考：https://zhuanlan.zhihu.com/p/37096502 编码问题实例： import imgkit path_wkimg = r'D:\DevelopSoftware\wkhtmltopdf\bin\wkhtmltoimage.exe' # 工具路径 cfg = imgkit.config(wkhtmltoimage=path_wkimg) options = { "encoding": "UTF-8" # 这个具体要看你那个html页面到底是以什么编码格式保存的 } imgkit.from_file(r'./helloworld.html', 'helloworld.jpg', options=options, config=cfg) 二、将html转为图片方法二——selenium通过selenium模拟浏览器访问页面，再将页面保存为图片。 from selenium import webdriver from selenium.common.exceptions import WebDriverException options = webdriver.ChromeOptions() #options.add_argument('--headless') options.add_argument('--disable-gpu') options.add_argument('--no-sandbox') options.add_argument('window-size=1920x1080') try: driver = webdriver.Chrome(options=options) driver.maximize_window() driver.get("https://www.baidu.com") driver.get_screenshot_as_file("baidu.png") driver.quit() except WebDriverException: print("截图失败")不过上面这个只能截显示器显示部分的页面，如果要截整个网页，我在网上找到了一份代码： from selenium import webdriver import time import os.path import multiprocessing as mp def webshot(tup): print("当前进程%d已启动" %os.getpid()) options = webdriver.ChromeOptions() options.add_argument('--headless') # 不知为啥只能在无头模式执行才能截全屏 options.add_argument('--disable-gpu') driver = webdriver.Chrome(options=options) driver.maximize_window() # 返回网页的高度的js代码 js_height = "return document.body.clientHeight" picname = str(tup[0]) link = tup[1] print(link) try: driver.get(link) k = 1 height = driver.execute_script(js_height) while True: if k * 500 < height: js_move = "window.scrollTo(0,{})".format(k * 500) print(js_move) driver.execute_script(js_move) time.sleep(0.2) height = driver.execute_script(js_height) k += 1 else: break scroll_width = driver.execute_script('return document.body.parentNode.scrollWidth') scroll_height = driver.execute_script('return document.body.parentNode.scrollHeight') driver.set_window_size(scroll_width, scroll_height) driver.get_screenshot_as_file("D:/pics/" + picname) print("Process {} get one pic !!!".format(os.getpid())) driver.quit() except Exception as e: print(picname, e) if __name__ == '__main__': # 首先创建一个保存截图的文件夹 filename = "D:/pics/" if not os.path.isdir(filename): # 判断文件夹是否存在，如果不存在就创建一个 os.makedirs(filename) # 读取保存url的文件，返回一个列表 # 列表中每个元素都是一个元组，文件保存url的格式是：保存为图片的名称, 网页地址。 # 例：baidu.png,https://www.baidu.com # zhihu.png,https://www.zhihu.com with open('urls.txt', 'r') as f: lines = f.readlines() urls = [] for line in lines: thelist = line.strip().split(",") if len(thelist) == 2 and thelist[0] and thelist[1]: urls.append((thelist[0], thelist[1])) # 创建进程池来多进程执行 pool = mp.Pool() pool.map_async(func=webshot, iterable=urls) pool.close() pool.join()ok，如果还有啥问题可以评论区问我，我看到会回复~~ |
【本文地址】