html转换为pdf(打印)(Java版的Puppeteer爬虫框架的使用)

html转换为pdf(打印)(Java版的Puppeteer爬虫框架的使用)

Java版的Puppeteer爬虫框架，是一位高手封装的框架，在html转换pdf的效果很不错，源码地址：Puppeteer-java版源码
https://link.zhihu.com/?target=https%3A//github.com/fanyong920/jvppeteer

Puppeteer–这个框架以浏览器内核去访问html页面，使html样式、js可以全部加载完成，得到的一个页面就和浏览器打开的是一样的

下代码其实是我从这个框架(Puppeteer-后端java版)作者源码复制过来改一改就可以使用了，所以仅参考，建议去下载源码下来看看，源码中有很多使用案例可供参考

jar包

    <!-- 以浏览器内核访问前端页面，然后将html转为pdf，支持包 -->
    <dependency>
        <groupId>io.github.fanyong920</groupId>
        <artifactId>jvppeteer</artifactId>
        <version>1.1.5</version>
    </dependency>

使用例

     /**
     * html转换为pdf
     * @param url 网页路径
     * @param tagetPath pdf保存路径
     * @return
     */
public static boolean convertPdf(String url,String tagetPath,Long loadWaitTime){
        Page page = null;
        Browser browser = null;
        try {
            //自动下载，第一次下载后不会再下载
            BrowserFetcher.downloadIfNotExist(null);
            ArrayList<String> arrayList = new ArrayList<>();
            //生成pdf必须在无头模式下才能生效
            LaunchOptions options = new LaunchOptionsBuilder().withArgs(arrayList).withHeadless(true).build();
            arrayList.add("--no-sandbox");
            arrayList.add("--disable-setuid-sandbox");
            browser = Puppeteer.launch(options);
            page = browser.newPage();
            //String url ="http://172.16.41.22/resource/print/index?token=eyJhbGciOiJIUzUxMiJ9.eyJleHAiOjE2ODEzMDYyNDIsImxvZ2luX3VzZXJfa2V5IjoiOGM3ZGViNGMtY2FiZC00NzRmLThiYmYtZjFlNzI1MDQ5OTQxIn0.hcQb7MbqdF0m05EuhYZrSxCX33jFpb2hZPx6S2bNz6PBzhzmEucq7VCF1W9UnABvXTmBiqMO-GHOv23OFP2ddQ&fileType=html&path=%2FCES-C919-sx_US-3000100%2FDMC-C919-A-00-40-15-00A-019A-A.XML&printId=41&dmcTitle=Vendor%20List&manualDmc=C919-A-00-40-15-00A-019A-A&issueNumber=006&publicationId=CES-C919-sx_US-3000100&";
            page.goTo(url);
            // 根据dom判断是否加载完
            WaitForSelectorOptions waitForSelectorOptions = new WaitForSelectorOptions();
            //超时时间设置为30秒
            waitForSelectorOptions.setTimeout(1000*30);
            waitForSelectorOptions.setVisible(Boolean.TRUE);
            ElementHandle elementHandle = page.waitForSelector(".kd-print__loaded", waitForSelectorOptions);
            //待页面加载完成
            page.waitFor(StringUtils.toString(loadWaitTime));
            PDFOptions pdfOptions = new PDFOptions();
            pdfOptions.setPath(tagetPath);
            //生成pdf
            page.pdf(pdfOptions);
            return true;
        }catch (Exception e){
            e.printStackTrace();
        }finally {
            try {
                if(Objects.nonNull(page)){
                    page.close();
                }
                if(Objects.nonNull(browser)){
                    browser.close();
                }
            }catch (Exception e){
                e.printStackTrace();
            }
        }
        return false;
    }

一些问题点说明

1、在上代码例中“page.goTo(url);”这行代码后我加了一个等待操作，其实是因为有些页面太小加载时间较慢，而java代码执行很快，所以需要等一下，不然在转换pdf时，没有拿到数据，pdf就是空的
2、被转换为pdf的html页面需要token(cookie)信息，建议直接拼在路径中，因为我使用框架里加cookie的方式失败了
3、转换出的pdf没有页码，需要增加页码，可参考我另一篇博客https://blog.csdn.net/myiwen_15213620430/article/details/130158170

多个pdf合并为一个

    <!-- 合并pdf，支持包 -->
    <dependency>
        <groupId>org.apache.pdfbox</groupId>
        <artifactId>pdfbox</artifactId>
        <version>2.0.25</version>
    </dependency>

      /**
     * 将多个pdf文件合成一个pdf
     * @param list
     * @param targetPath 最终生成pdf输出路径
     * @return
     */
    public String mulFileToOne(List<PrintRecordAddVO> list, String targetPath) {
        try {
            PDFMergerUtility mergePdf = new PDFMergerUtility();
            for (PrintRecordAddVO vo : list) {
                // 循环添加要合并的pdf
                mergePdf.addSource(new File(vo.getTagetPdfPath()));
            }
            // 设置合并生成pdf文件名称
            mergePdf.setDestinationFileName(targetPath);
            // 合并pdf
            mergePdf.mergeDocuments(MemoryUsageSetting.setupMainMemoryOnly());
        }catch (Exception e){
            e.printStackTrace();
            return null;
        }
        return targetPath;
    }

在生产环境遇到的问题
com.ruiyun.jvppeteer.exception.TimeoutException: Timed out after 30000 ms while trying to connect to the browser!Chrome output: /usr/app/system/.local-browser/linux-722234/chrome-linux/chrome: error while loading shared libraries: libXss.so.1: cannot open shared object file: No such file or directory

参考：https://blog.csdn.net/weixin_39852491/article/details/114771429

解决方式：
执行命令：find / -name chrome

cd /usr/app/system/.local-browser/linux-722234/chrome-linux/

ldd chrome | grep not

yum install libXScrnSaver* -y

yum install gtk3 -y

中文乱码问题解决(参考)
https://blog.csdn.net/xll20001022/article/details/126849877 Puppeteer