目錄
- Pyppeteer 是什么
- Pyppeteer能做什么
- 截圖
- 導(dǎo)出PDF
- 公眾號鏈接導(dǎo)出PDF示例
Pyppeteer 是什么
介紹 Pyppeteer 之前，有必要先介紹一下 Puppeteer，Puppeteer 是谷歌官方出的一個通過DevTools協(xié)議控制headless Chrome的Node庫。通過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 瀏覽器的無界面形態(tài)。
而 Pyppeteer 就是 Puppeteer 的 Python 版本非官方實現(xiàn)，它是一位來自于日本的工程師依據(jù) Puppeteer 的一些功能開發(fā)出來的非官方版本
Pyppeteer 采用了 Python 的 async 機制，需要Python3.5 及以上版本才支持。
Pyppeteer能做什么
但凡是需要通過Chrome瀏覽器手動完成的操作都可以通過 Pyppeteer 自動完成，例如：
- 生成頁面截圖
- 生成PDF文件
- 抓取單頁面應(yīng)用并生成預(yù)先呈現(xiàn)的內(nèi)容
- 從網(wǎng)站抓取你需要的內(nèi)容
- 自動表單提交，UI測試，鍵盤輸入等
截圖
例如將頁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())
截圖功能在海報分享等場景用的多，有看過有贊工程師分享的一篇文章，就有用到Puppeteer來做海報分享，性能比Canvas高。
而將網(wǎng)頁轉(zhuǎn)換為PDF的應(yīng)用場景更多，比如將網(wǎng)站博客、專欄，或者公眾號文章批量導(dǎo)出PDF，方便離線閱讀，比如我們最近做的一個醫(yī)療項目需要將用戶填寫的資料支持PDF形式批量導(dǎo)出，就是用的Pyppeteer
導(dǎo)出PDF
導(dǎo)出pdf直接調(diào)用page.pdf方法就可以， 代碼非常簡潔
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())
接下來我們以公眾號文章為例，將html頁面制作成一個PDF文件。
公眾號鏈接導(dǎo)出PDF示例
安裝 pyppeteer
任意找一篇公眾號的文章鏈接
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()
第一次運行的時候，會自動下載chromium瀏覽器，chromium是chrome的開源版本， 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，我們來預(yù)覽下pdf文件
和原文鏈接對比，發(fā)現(xiàn)文章中的圖片丟失了。
通過分析，原來是頁面源代碼中，img 標(biāo)簽沒有src屬性，只有個data-src 屬性，默認情況下圖片是無法正常顯示的，圖片之所有能在瀏覽器能正常展示出來，是有個js腳本動態(tài)地修改了dom元素為 img src='xxxx'>
這個網(wǎng)頁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，這樣能提高頁面的響應(yīng)速度，同時減輕服務(wù)器性能。
所以，我們也可以通過js代碼模擬真人瀏覽網(wǎng)頁一樣，滾動鼠標(biāo)，不停地往下滑動，將圖片動態(tài)加載出來。
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頁面，直到頁面底部為止。這樣整個頁面的圖片就全部加載出來了。
效果看起來還不錯，和原頁面的樣式是一樣的
在Pyppeteer實踐應(yīng)用過程中，也遇到不少坑，最后都逐個解決了，這可以單獨寫一篇文章，如果你在使用過程中遇到任何問題歡迎與我交流
以上就是python基于pyppeteer制作PDF文件的詳細內(nèi)容，更多關(guān)于python pyppeteer制作PDF文件的資料請關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- python爬蟲 Pyppeteer使用方法解析
- python爬蟲神器Pyppeteer入門及使用
- python pyppeteer 破解京東滑塊功能的代碼
- 詳解pyppeteer(python版puppeteer)基本使用
- python爬蟲之pyppeteer庫簡單使用
