将打开的网页批量保存为PDF（python）

省力，但不多，需要安装python模块bs4和工具wkhtmltopdf

1. 在cmd运行以下命令安装bs4

pip install bs4 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装工具wkhtmltopdf，并将安装目录下的bin目录添加到环境变量

下载地址：https://wkhtmltopdf.org/downloads.html

文件管理器-此电脑右键属性-高级系统设置-环境变量-系统变量-变量path

 3. 右键浏览器标签栏，将打开的网页全部保存到收藏夹然后导出

4. 编辑导出的html文件，只保留需要的链接

5. 将html文件和pdf.py放到同一个目录下，并在当前目录新建文件夹命名为pdf，注意更换代码中的html文件名（bookmarks.html）

# pdf.py

from bs4 import BeautifulSoup
import re
import subprocess

# 将html文件中链接的url和标题提取出来分别保存在urls.txt和titles.txt文件中，注意更换html文件名（bookmarks.html）
# 读取 HTML 文件内容
with open('bookmarks.html', 'r', encoding='utf-8') as f:
    html_str = f.read()
# 解析 HTML 字符串
soup = BeautifulSoup(html_str, 'html.parser')
# 获取所有的链接列表
links = soup.find_all('a')
# 将链接 URL 和标题保存到文件中
with open('urls.txt', 'w', encoding='utf-8') as f1, open('titles.txt', 'w', encoding='utf-8') as f2:
    for link in links:
        url = link.get('href')
        title = link.string
        # 写入链接 URL 和标题到文件中
        f1.write(url + '\n')
        f2.write(title + '\n')


# 批量更改文件名——在 Windows 系统中文件名不能有以下字符：< (小于号)> (大于号): (冒号)" (双引号)/ (正斜杠)\ (反斜杠)| (竖线)? (问号)* (星号)，并且后续批量执行命令时文件名中不能有空格
# 打开文件
with open('titles.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()
# 转换文件名
for i in range(len(lines)):
    # 去除行尾换行符
    line = lines[i].rstrip('\n')
    # 替换非法字符
    line = re.sub(r"[<>:\"/\\|?*\s]+", "_", line)
    # 确保文件名不为空
    if not line:
        continue
    # 保存到同一文件
    lines[i] = line + '\n'
with open('titles.txt', 'w', encoding='utf-8') as f:
    f.writelines(lines)


# 检查是否有重复标题——如果重复标题对应的是同一网页可以跳过重复标题检查，否则前面生成的pdf会被后面生成的同名pdf覆盖
with open('titles.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()
for i in range(len(lines)):
    for j in range(i+1, len(lines)):
        if lines[i] == lines[j]:
            print(f'第{i+1}和第{j+1}个pdf文件的标题重复——')
            print(lines[i])
            print("如果重复标题对应的是不同网页建议修改titles.txt文件，否则会导致前面生成的同名pdf文件被覆盖，对应相同网页则无需修改")
            print("按回车键继续...")
            input()


print("文件将保存在当前目录的pdf文件夹中，请提前创建")
print()


# 利用前面得到的url.txt和titles.txt批量执行wkhtmltopdf命令
# 读取网址文件和文件名文件
with open('urls.txt', 'r', encoding='utf-8') as f:
    urls = f.readlines()
with open('titles.txt', 'r', encoding='utf-8') as f:
    titles = f.readlines()
# 批量执行 wkhtmltopdf 命令
for url, title in zip(urls, titles):
    # 删除换行符
    url = url.strip()
    title = title.strip()
    print("正在生成“" + title + ".pdf”...")
    # 构造命令
    cmd = 'wkhtmltopdf {} ./pdf/{}.pdf'.format(url, title)
    # 执行命令
    subprocess.call(cmd, shell=True)


print("程序已经运行完毕，请按回车键退出...")
input()