Pyppeteer 是什么

介紹 Pyppeteer 之前，有必要先介紹一下 Puppeteer，Puppeteer 是谷歌官方出的一個(gè)通過DevTools協(xié)議控制headless Chrome的Node庫(kù)。通過Puppeteer可以直接控制Chrome瀏覽器模擬大部分用戶操作。

所謂Headless Chrome 就是 Chrome 瀏覽器的無(wú)界面形態(tài)。

而 Pyppeteer 就是 Puppeteer 的 Python 版本非官方實(shí)現(xiàn)，它是一位來(lái)自于日本的工程師依據(jù) Puppeteer 的一些功能開發(fā)出來(lái)的非官方版本

Pyppeteer 采用了 Python 的 async 機(jī)制，需要Python3.5 及以上版本才支持。

Pyppeteer能做什么

但凡是需要通過Chrome瀏覽器手動(dòng)完成的操作都可以通過 Pyppeteer 自動(dòng)完成，例如：

生成頁(yè)面截圖 生成PDF文件 抓取單頁(yè)面應(yīng)用并生成預(yù)先呈現(xiàn)的內(nèi)容 從網(wǎng)站抓取你需要的內(nèi)容 自動(dòng)表單提交，UI測(cè)試，鍵盤輸入等 截圖

例如將頁(yè)面生成截圖可以直接調(diào)用 page.screenshot 方法

import asynciofrom pyppeteer import launchasync def main(): browser = await launch() page = await browser.newPage() await page.goto(’https://foofish.net’) await page.screenshot({’path’: ’example.png’}) await browser.close()asyncio.get_event_loop().run_until_complete(main())

截圖功能在海報(bào)分享等場(chǎng)景用的多，有看過有贊工程師分享的一篇文章，就有用到Puppeteer來(lái)做海報(bào)分享，性能比Canvas高。

而將網(wǎng)頁(yè)轉(zhuǎn)換為PDF的應(yīng)用場(chǎng)景更多，比如將網(wǎng)站博客、專欄，或者公眾號(hào)文章批量導(dǎo)出PDF，方便離線閱讀，比如我們最近做的一個(gè)醫(yī)療項(xiàng)目需要將用戶填寫的資料支持PDF形式批量導(dǎo)出，就是用的Pyppeteer

導(dǎo)出PDF

導(dǎo)出pdf直接調(diào)用page.pdf方法就可以， 代碼非常簡(jiǎn)潔

import asynciofrom pyppeteer import launchasync def main(): browser = await launch() page = await browser.newPage() await page.goto(’https://foofish.net’) await page.pdf({ 'path': 'example.pdf', 'format': ’A4’}) await browser.close()asyncio.get_event_loop().run_until_complete(main())

接下來(lái)我們以公眾號(hào)文章為例，將html頁(yè)面制作成一個(gè)PDF文件。

公眾號(hào)鏈接導(dǎo)出PDF示例

安裝 pyppeteer

pip install pyppeteer

任意找一篇公眾號(hào)的文章鏈接

url = 'https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw'

完成代碼：

browser = await launch( options={’headless’: True, ’args’: [’--no-sandbox’, ’?disable-gpu’, ’?disable-dev-shm-usage’, ’?disable-setuid-sandbox’, ’?no-first-run’, ’?no-zygote’, ’?single-process’ ]}, ) page = await browser.newPage() url = 'https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw' await page.goto(url) file_name = 'test.pdf' await page.pdf({'path': file_name, 'format': ’A4’}) await browser.close()

第一次運(yùn)行的時(shí)候，會(huì)自動(dòng)下載chromium瀏覽器，chromium是chrome的開源版本， 需要幾分鐘才能下載完

[W:pyppeteer.chromium_downloader] start chromium download.Download may take a few minutes.100%|??????????| 127496521/127496521 [00:20<00:00, 6268578.80it/s][W:pyppeteer.chromium_downloader] chromium download done.[W:pyppeteer.chromium_downloader] chromium extracted to: C:UserslzjunAppDataLocalpyppeteerpyppeteerlocal-chromium575458

執(zhí)行完成后，我們來(lái)預(yù)覽下pdf文件

和原文鏈接對(duì)比，發(fā)現(xiàn)文章中的圖片丟失了。

通過分析，原來(lái)是頁(yè)面源代碼中，img 標(biāo)簽沒有src屬性，只有個(gè)data-src 屬性，默認(rèn)情況下圖片是無(wú)法正常顯示的，圖片之所有能在瀏覽器能正常展示出來(lái)，是有個(gè)js腳本動(dòng)態(tài)地修改了dom元素為 <img src=’xxxx’>

這個(gè)網(wǎng)頁(yè)使用的是一種叫懶加載的技術(shù)展示圖片內(nèi)容，所謂懶加載就是圖片不會(huì)一次全部下載完，而是當(dāng)前瀏覽到什么位置，就加載該處的圖片，這樣能提高頁(yè)面的響應(yīng)速度，同時(shí)減輕服務(wù)器性能。

所以，我們也可以通過js代碼模擬真人瀏覽網(wǎng)頁(yè)一樣，滾動(dòng)鼠標(biāo)，不停地往下滑動(dòng)，將圖片動(dòng)態(tài)加載出來(lái)。

最后，完整代碼就變成了這樣：

async def main(): browser = await launch() page = await browser.newPage() url = 'https://mp.weixin.qq.com/s/6VBXs19icV0O5hT7cHYwgw' await page.goto(url) await page.evaluate(’’’async () => { await newPromise((resolve, reject) => { vartotalHeight = 0;vardistance = 100;vartimer = setInterval(() => { varscrollHeight = document.body.scrollHeight;window.scrollBy(0, distance);totalHeight += distance;if (totalHeight >= scrollHeight){clearInterval(timer);resolve();}}, 100);});}’’’) await page.pdf({'path': 'test.pdf', 'format': ’A4’}) await browser.close()if __name__ == ’__main__’: asyncio.get_event_loop().run_until_complete(main())

將js 代碼封裝成一個(gè)字符串當(dāng)作參數(shù)傳給 page.evaluate 函數(shù)， 該代碼就是獲不斷滾動(dòng)頁(yè)面，直到頁(yè)面底部為止。這樣整個(gè)頁(yè)面的圖片就全部加載出來(lái)了。

效果看起來(lái)還不錯(cuò)，和原頁(yè)面的樣式是一樣的

在Pyppeteer實(shí)踐應(yīng)用過程中，也遇到不少坑，最后都逐個(gè)解決了，這可以單獨(dú)寫一篇文章，如果你在使用過程中遇到任何問題歡迎與我交流

以上就是python基于pyppeteer制作PDF文件的詳細(xì)內(nèi)容，更多關(guān)于python pyppeteer制作PDF文件的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！