html转pdf div消失,使用Javascript从div中的HTML生成pdf

本文介绍如何利用jsPDF库将HTML内容转换为PDF,并通过插件忽略特定元素。首先需要引入相关jsPDF插件,然后设置元素处理器来忽略带有特定ID的元素。示例代码展示了如何实现这一功能,同时指出jsPDF目前仅支持ID选择器,不支持类选择器或其他复杂选择器。尽管转换过程中可能会丢失CSS样式,但基本的文本格式化仍能得到保留。最后,文章提到转换不会包含文本区域等某些元素的值。
摘要由CSDN通过智能技术生成

jsPDF能够使用插件。为了使它能够打印HTML,您必须包含某些插件,因此必须执行以下操作:jspdf.js

jspdf.plugin.from_html.js

jspdf.plugin.plit_text_to_size.js

jspdf.plugin.Standard_fonts_emeics.js

如果要忽略某些元素,则必须使用ID标记它们,然后可以在jsPDF的特殊元素处理程序中忽略ID。因此,HTML应该如下所示:html>

don't print this to pdf

print this to pdf

然后使用以下JavaScript代码在弹出窗口中打开创建的PDF:var doc = new jsPDF();          var elementHandler = {

'#ignorePDF': function (element, renderer) {

return true;

}};var source = window.document.getElementsByTagName("body")[0];doc.fromHTML(

source,

15,

15,

{

'width': 180,'elementHandlers': elementHandler    });doc.output("dataurlnewwindow");

对我来说,这创造了一个良好和整洁的PDF,其中只有一行‘打印到pdf’。

请注意,特殊元素处理程序只处理当前版本中的id,这在GitHub问题..它指出:因为匹配是针对节点树中的每个元素进行的,所以我的愿望是尽可能快地完成匹配。在这种情况下,这意味着“只有元素ID匹配”元素ID仍然以jQuery样式“#id”执行,但并不意味着支持所有jQuery选择器。

因此,用类选择器(比如‘.myrePDF’)代替‘#myrePDF’对我来说是行不通的。相反,您必须为每个元素添加相同的处理程序,您希望忽略如下:var elementHandler = {

'#ignoreElement': function (element, renderer) {

return true;

},

'#anotherIdToBeIgnored': function (element, renderer) {

return true;

}};

从实例它还指出,它是可以选择标签,如‘a’或‘li’。不过,对于大多数使用程序来说,这可能有点不受限制:我们支持特殊的元素处理程序。使用jQuery样式的ID选择器为ID或节点名称注册它们。(“#iAmID”、“div”、“span”等)此时不支持任何其他类型的选择器(类,化合物)。

需要补充的一件非常重要的事情是,您丢失了所有的样式信息(CSS)。幸运的是,jsPDF能够很好地格式化H1、H2、h3等,这对我的目的来说已经足够了。它只会在文本节点中打印文本,这意味着它不会打印文本区域等的值。例子:

  • Print me!
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值