Python将网页转化为PDF(python网页自动长截图)

        当今互联网时代，网页已成为我们获取信息、传递知识的重要媒介。然而，有时我们可能需要将网页保存为PDF格式，以便于离线阅读、打印或分享给他人。幸运的是，利用Python编程语言，我们可以轻松地将网页转换为PDF文件。

        在本篇博客中，我将介绍如何使用Python实现将网页转换为PDF的功能，并且加上了自动长截图的特性。这意味着，无论网页有多长或多么复杂，我们都能够一次性截取整个页面并保存为PDF文件。

        为了实现这一目标，我们将使用pdfkit和selenium两个Python库。pdfkit是一个强大的工具，可以将HTML文件或URL直接转换为PDF文件。而selenium则是一个自动化Web测试工具，它提供了浏览器模拟和页面操作的功能。

        在具体实现方面，我们首先需要安装相应的库和工具。然后，我们将使用selenium来加载网页并进行自动长截图，获取完整页面的截图。接下来，我们将使用pdfkit将截图保存为PDF文件。

        通过阅读本篇博客，你将学习到如何使用Python编程语言将网页转换为PDF，并且自动截取整个页面的技巧。这将为你提供一种方便、高效的方式，以便在离线环境中浏览和分享网页内容。

        无论是希望保存重要文章、学习资料，还是需要打印保存网页内容，本教程都将为你提供实用的解决方案。让我们开始吧，探索Python如何帮助我们将网页转换为PDF文件的奇妙能力！

 初次实践：python网页自动截图

步骤如下：

       (1) 安装python selenium 库，推荐使用pip快速安装最新版本 pip install selenium

       (2) 检查Chrome浏览器的版本，下载对应版本的chromedriver。

       (3) 通过地址栏里输入命令 chrome://version/

        在 CNPM Binaries Mirror 的网址上下载对应的chromedriver，下载下来的文件是一个压缩包，然后解压就会有一个exe文件，把exe文件copy下来放到chrome的同一路径下（也可直接放在python路径下），然后复制这个路径在环境配置里的系统环境path添加chromedriver的路径配置环境变量。

       (4) 编写测试代码：

from selenium import webdriver
import threading
import time
import os
import datetime

def road_situation():
    # 每隔30秒截屏一次

    t = threading.Timer(30, road_situation)
    t.start()
    # start = datetime.datetime.now()
    # print(start)
    # 初始化一个谷歌浏览器实例
    driver = webdriver.Chrome()
    driver.maximize_window()

    driver.get("https://www.sohu.com/")
    # driver.refresh()
    driver.get_screenshot_as_file(r"E:\PyCharm2017project\Atest\maintest\picture\%s.png" %time.strftime('%Y-%m-%d-%H-%M-%S',time.localtime(time.time())))
    print(os.getcwd())
    # end = datetime.datetime.now()
    # print(end)
    # print(end - start)
    driver.quit()

if __name__ == "__main__":
    road_situation()

        但截取的是打开网页后的全屏，后面下拉的页面没有截取到，没有达到想要的效果,

        如果页面较大，页面会产生上下翻页的效果，屏幕截图无法应对此种页面，截图看到的网页只有一部分。后使用selenium + phantomjs实现网页长截图可以解决这一问题。

法一：使用 selenium + phantomjs实现网页长截图

步骤如下：

        (1) 安装python selenium 库，推荐使用pip快速安装最新版本 pip install selenium

        (2) 下载phantomjs.exe，将其添加到环境变量 path 中 。方便起见可以直接放在python的安装目录根目录下。下载链接：https://phantomjs.org/download.html

         (3) 编写测试代码

from selenium import webdriver  ##从selenium库导入webdirver
import threading
import time
import os
import datetime

def road_situation():
    # 每隔30秒截屏一次

    t = threading.Timer(30, road_situation)
    t.start()
    # start = datetime.datetime.now()
    # print(start)
    # 初始化一个谷歌浏览器实例
    ##使用webdirver.PhantomJS()方法新建一个phantomjs的对象，这里会使用到phantomjs.exe，环境变量path中找不到phantomjs.exe，则会报错
    driver = webdriver.PhantomJS()
    driver.maximize_window() #设置phantomjs浏览器全屏显示

    #使用get()方法，打开指定页面。注意这里是phantomjs是无界面的，所以不会有任何页面显示
    driver.get("https://www.sohu.com/")
    # driver.refresh()
    driver.get_screenshot_as_file(r"E:\PyCharm2017project\Atest\maintest\picture\%s.png" %time.strftime('%Y-%m-%d-%H-%M-%S',time.localtime(time.time())))
    print(os.getcwd())
    # end = datetime.datetime.now()
    # print(end)
    # print(end - start)
     #关闭phantomjs浏览器，不要忽略了这一步，否则你会在任务浏览器中发现许多phantomjs进程
    driver.quit()

if __name__ == "__main__":
    road_situation()

网页转PNG图片（截取的png图片）：

法二：python将网页转化为pdf：

        (1) 安装python pdfkit 库，推荐使用pip快速安装最新版本，pip install pdfkit

        (2) 下载wkhtmltopdf安装包，并且安装到电脑上，在系统Path变量中添加wkhtmltopdf的bin路径，以便于pdfkit的调用。

下载链接：wkhtmltopdf

        (3) 编写测试代码

#!/usr/bin/python
# -*- coding: UTF-8 -*-
"""
@author:ZSW
@file:htmltopdf.py
@time:2020/09/14
"""
import pdfkit
import time
import datetime
def save_to_pdf(url):
    '''
    根据url，将文章保存到本地
    :param url:
    :return:
    '''
    start = datetime.datetime.now()
    print(start)
    # 本来直接调用pdfkid的from方法就可以了，但是由于我们的wkhtmltopdf安装包有点问题，一直没法搜到，所以只能用本办法，直接配置了wk的地址
    # wkhtmltopdf下载链接： https://wkhtmltopdf.org/downloads.html
    config = pdfkit.configuration(wkhtmltopdf=r'E:\htmltopdf\wkhtmltopdf\bin\wkhtmltopdf.exe')
    pdfkit.from_url(url, r"E:\PyCharm2017project\Atest\maintest\picture\%s.pdf"
                    %time.strftime('%Y-%m-%d-%H-%M-%S', time.localtime(time.time())), configuration=config)
    end = datetime.datetime.now()
    print(end)
    print(end - start)

if __name__ =='__main__':
    url = "https://www.sohu.com/"
    save_to_pdf(url)

网页转PDF文件：

法三：

注：如果不是有特别的需求，可以用Chrome浏览器将网页页面另存为PDF的功能，步骤如下：

        (1) 打开需要转为PDF的网页；

        (2) 右击鼠标按键——选择‘打印’——再选择‘另存为PDF’——点击‘保存即可’。

        (3) 打开保存的pdf查看，其效果和法二实现的一样。

小结：经过简单实践，两种方法都能够实现网页自动长截图，但使用方法二的效率更高些，运行时间较法一短。但对于像搜狐首页这种长下拉的网页，截取的pdf(图片)中 有些图片未加载出来。

参考链接：[286]python将html转化为pdf_周小董的博客-CSDN博客

                  Python 实现网页自动截图的示例讲解_python_脚本之家