selenium利用javascript进行自动打印网页为PDF

最新推荐文章于 2024-08-16 14:43:42 发布

qq_65932616

最新推荐文章于 2024-08-16 14:43:42 发布

阅读量2.4k

点赞数

文章标签： selenium javascript pdf

本文链接：https://blog.csdn.net/qq_65932616/article/details/128188761

版权

需求

selenium爬取页面的时候有时需要保持页面为PDF格式并且不能使用pdfkit 模块(有的网址限制必须浏览器打开)

思路步骤

一:导入模块
二:在初始化driver对象的时候设定,浏览器静默保存(即保存时不弹出另存为按钮)和默认保存位置
三:打开所需网页
四:调用js打开打印窗口
修改当前页面标题(因为保存文件名就是标题名)并静默下载

具体代码


import json
from selenium.webdriver.common.by import By
from seleniumwire import webdriver

chrome_options = webdriver.ChromeOptions()
settings = {
    "recentDestinations": [{
        "id": "Save as PDF",
        "origin": "local",
        "account": ""
    }],
    "selectedDestinationId": "Save as PDF",
    "version": 2,  # 另存为pdf，1 是默认打印机
    "isHeaderFooterEnabled": True,  # 是否勾选页眉和页脚
    # "customMargins": {},
    # "marginsType": 2,#边距（2是最小值、0是默认）
    # "scaling": 100, # 缩放比例  100 表示不缩放
    # "scalingType": 3,
    # "scalingTypePdf": 3,
    # "isLandscapeEnabled": True,  # 若不设置该参数，默认值为纵向
    "isCssBackgroundEnabled": True,
    "mediaSize": {
        "height_microns": 297000,
        "name": "ISO_A4",
        "width_microns": 210000,
        "custom_display_name": "A4"
    },
}
chrome_options.add_argument('--enable-print-browser')
# chrome_options.add_argument('--headless') #headless模式下，浏览器窗口不可见，应当可提高效率
save_path = r'C:\Users\Administrator\Desktop'
prefs = {
    'printing.print_preview_sticky_settings.appState': json.dumps(settings),
    'savefile.default_directory': save_path,
}

chrome_options.add_argument('--kiosk-printing')  # 静默打印，无需用户点击打印页面的确定按钮
chrome_options.add_experimental_option('prefs', prefs)

driver = webdriver.Chrome(chrome_options=chrome_options)  # 初始化浏览器

# 打开需要保持的网址并等待加载完成图片
driver.get('https://alifei04.cfp.cn/creative/vcg/800/version23/VCG41175510742.jpg')
driver.implicitly_wait(10)
element = driver.find_element(by=By.XPATH, value='/html/body/img')

# 调用js 保持PDF
save_file_name = 'test.pdf'
driver.execute_script(
    f'document.title="{save_file_name}";window.print();')  # 利用js修改网页的title，该title最终就是PDF文件名，利用js的window.print可以快速调出浏览器打印窗口，避免使用热键ctrl+P

input('*----')  # 可以做其他事情 但是不嫩立即qiut 否则关闭浏览器了后就不能下载了
driver.quit()