把HTML轉(zhuǎn)成PDF的4個(gè)方案及實(shí)現(xiàn)方法

本文中，我將展示如何使用 Node.js、Puppeteer、headless Chrome 和 Docker 從樣式復(fù)雜的 React 頁(yè)面生成 PDF 文檔。

背景：幾個(gè)月前，一個(gè)客戶要求我們開(kāi)發(fā)一個(gè)功能，用戶可以得到 PDF 格式的 React 頁(yè)面內(nèi)容。該頁(yè)面基本上是患者病例的報(bào)告和數(shù)據(jù)可視化結(jié)果，其中包含許多 SVG。另外還有一些特殊的請(qǐng)求來(lái)操縱布局，并對(duì) HTML 元素進(jìn)行一些重新排列。因此與原始的 React 頁(yè)面相比，PDF 中應(yīng)該有不同的樣式和額外的內(nèi)容。

由于這個(gè)任務(wù)比用簡(jiǎn)單的 CSS 規(guī)則解決要復(fù)雜得多，所以我們先探討了可能的實(shí)現(xiàn)方法。我們找到了 3 個(gè)主要解決方案。這篇博文將指導(dǎo)你了解它們的可能性并最終實(shí)施。

在客戶端還是服務(wù)器端生成？
方案1：從 DOM 制作屏幕截圖
方案2：僅使用 PDF 庫(kù)
最終方案3：Node.js、Puppeteer 和 Headless Chrome
樣式控制
將文件發(fā)送到客戶端并保存
在 Docker 中使用 Puppeteer
方案3 +1：CSS打印規(guī)則
總結(jié)

在客戶端還是服務(wù)器端生成？

在客戶端和服務(wù)器端都可以生成PDF文件。但是讓后端處理它可能更有意義，因?yàn)槟悴⒉幌牒谋M用戶瀏覽器可以提供的所有資源。

即便如此，我仍然會(huì)展示這兩種方法的解決方案。

方案1：從 DOM 制作屏幕截圖

乍一看，這個(gè)解決方案似乎是最簡(jiǎn)單的，事實(shí)證明的確是這樣，但它有其自身的局限性。如果你沒(méi)有特殊需求，例如在 PDF 中選擇文本或?qū)ξ谋具M(jìn)行搜索，那么這就是一種簡(jiǎn)單易用的方法。

此方法簡(jiǎn)單明了：從頁(yè)面創(chuàng)建屏幕截圖，并把它放到 PDF 文件中。非常直截了當(dāng)。我們可以使用兩個(gè)包來(lái)實(shí)現(xiàn)：

Html2canvas，根據(jù) DOM 生成截圖
jsPdf，一個(gè)生成PDF的庫(kù)

開(kāi)始編碼：

npm install html2canvas jspdf

就這樣！

請(qǐng)注意 html2canvas 的 onclone方法。當(dāng)你在截圖之前需要操縱 DOM（例如隱藏打印按鈕）時(shí)，它是非常方便的。我看到過(guò)很多使用這個(gè)包的項(xiàng)目。但不幸的是，這不是我們想要的，因?yàn)槲覀冃枰诤蠖送瓿蓪?duì) PDF 的創(chuàng)建工作。

方案2：只使用 PDF 庫(kù)

NPM上有幾個(gè)庫(kù)，如 jsPDF（如上所述）或PDFKit。他們的問(wèn)題是，如果我想使用這些庫(kù)，我將不得不重新調(diào)整頁(yè)面結(jié)構(gòu)。這肯定會(huì)損害可維護(hù)性，因?yàn)槲倚枰獙⑺泻罄m(xù)更改應(yīng)用到 PDF 模板和 React 頁(yè)面中。

請(qǐng)看下面的代碼。你需要親自手動(dòng)創(chuàng)建 PDF 文檔。你需要遍歷 DOM 并找出每個(gè)元素并將其轉(zhuǎn)換為 PDF 格式，這是一項(xiàng)繁瑣的工作。必須找到一個(gè)更簡(jiǎn)單的方法。

這段代碼段來(lái)自 PDFKit 文檔。但是如果你的目標(biāo)是直接生成一個(gè) PDF 文件，而不是對(duì)一個(gè)已經(jīng)存在的（并且不斷變化的）HTML 頁(yè)面進(jìn)行轉(zhuǎn)換，它還是很有用的。

最終方案3：基于 Node.js 的 Puppeteer 和 Headless Chrome

什么是 Puppeteer？其文檔中寫(xiě)道：

Puppeteer 是一個(gè) Node 庫(kù)，它提供了一個(gè)高級(jí) API 來(lái)控制 DevTools 協(xié)議上的 Chrome 或 Chromium。 Puppeteer 默認(rèn)以 headless 模式運(yùn)行 Chrome 或 Chromium，但其也可以被配置為完整的（non-headless）模式運(yùn)行。

它本質(zhì)上是一個(gè)可以從 Node.js 運(yùn)行的瀏覽器。如果你讀過(guò)它的文檔，其中首先提到的就是你可以用 Puppeteer 來(lái)生成頁(yè)面的截圖和PDF。優(yōu)秀！這正是我們想要的。

先用 npmi i puppeteer 安裝 Puppeteer，并實(shí)現(xiàn)我們的功能。

這是一個(gè)簡(jiǎn)單的功能，可導(dǎo)航到 URL 并生成站點(diǎn)的 PD F文件。

首先，我們啟動(dòng)瀏覽器（僅在 headless 模式下支持 PDF 生成），然后打開(kāi)新頁(yè)面，設(shè)置視口，并導(dǎo)航到提供的URL。

設(shè)置 waitUntil:'networkidle0' 選項(xiàng)意味著當(dāng)至少500毫秒沒(méi)有網(wǎng)絡(luò)連接時(shí)，Puppeteer 會(huì)認(rèn)為導(dǎo)航已完成。（可以從 API docs 獲取更多信息。）

之后，我們將 PDF 保存為變量，關(guān)閉瀏覽器并返回 PDF。

注意：page.pdf 方法接收 options 對(duì)象，你可以使用 'path' 選項(xiàng)將文件保存到磁盤(pán)。如果未提供路徑，則 PDF 將不會(huì)被保存到磁盤(pán)，而是會(huì)得到緩沖區(qū)。（稍后我將討論如何處理它。）

如果需要先登錄才能從受保護(hù)的頁(yè)面生成 PDF，首先你要導(dǎo)航到登錄頁(yè)面，檢查表單元素的 ID 或名稱，填寫(xiě)它們，然后提交表單：

要始終將登錄憑據(jù)保存在環(huán)境變量中，不要硬編碼！

樣式控制

Puppeteer 也有這種樣式操作的解決方案。你可以在生成 PDF 之前插入樣式標(biāo)記，Puppeteer 將生成具有已修改樣式的文件。

await page.addStyleTag({ content: '.nav { display: none} .navbar { border: 0px} #print-button {display: none}' })

將文件發(fā)送到客戶端并保存

好的，現(xiàn)在你已經(jīng)在后端生成了一個(gè) PDF 文件。接下來(lái)做什么？

如上所述，如果你不把文件保存到磁盤(pán)，將會(huì)得到一個(gè)緩沖區(qū)。你只需要把含有適當(dāng)內(nèi)容類型的緩沖區(qū)發(fā)送到前端即可。

現(xiàn)在，你只需在瀏覽器向服務(wù)器發(fā)送請(qǐng)求即可得到生成的 PDF。

一旦發(fā)送了請(qǐng)求，緩沖區(qū)的內(nèi)容就應(yīng)該開(kāi)始下載了。最后一步是將緩沖區(qū)數(shù)據(jù)轉(zhuǎn)換為 PDF 文件。

就這樣！如果單擊“保存”按鈕，那么瀏覽器將會(huì)保存 PDF。

在 Docker 中使用 Puppeteer

我認(rèn)為這是實(shí)施中最棘手的部分 —— 所以讓我?guī)湍愎?jié)省幾個(gè)小時(shí)的百度時(shí)間。

官方文檔指出*“在 Docker 中使用 headless Chrome 并使其運(yùn)行起來(lái)可能會(huì)非常棘手”*。官方文檔有疑難解答部分，你可以找到有關(guān)用 Docker 安裝 puppeteer 的所有必要信息。

如果你在 Alpine 鏡像上安裝 Puppeteer，請(qǐng)確保在看到頁(yè)面的這一部分時(shí)再向下滾動(dòng)一點(diǎn)。否則你可能會(huì)忽略一個(gè)事實(shí)：你無(wú)法運(yùn)行最新的 Puppeteer 版本，并且你還需要用一個(gè)標(biāo)記禁用 shm ：

const browser = await puppeteer.launch({
 headless: true,
 args: ['--disable-dev-shm-usage']
});

否則，Puppeteer 子進(jìn)程可能會(huì)在正常啟動(dòng)之前耗盡內(nèi)存。

方案 3 + 1：CSS 打印規(guī)則

可能有人認(rèn)為從開(kāi)發(fā)人員的角度來(lái)看，簡(jiǎn)單地使用 CSS 打印規(guī)則很容易。沒(méi)有 NPM 模塊，只有純 CSS。但是在跨瀏覽器兼容性方面，它的表現(xiàn)如何呢？

在選擇 CSS 打印規(guī)則時(shí)，你必須在每個(gè)瀏覽器中測(cè)試結(jié)果，以確保它提供的布局是相同的，并且它不是100％能做到這一點(diǎn)。

例如，在給定元素后面插入一個(gè) break-after 并不是一個(gè)多么高深的技術(shù)，但是你可能會(huì)驚訝的發(fā)現(xiàn)要在 Firefox 中使用它需要使用變通方法。

除非你是一位經(jīng)驗(yàn)豐富的 CSS 大師，在創(chuàng)建可打印頁(yè)面方面有很多的經(jīng)驗(yàn)，否則這可能會(huì)非常耗時(shí)。

如果你可以使打印樣式表保持簡(jiǎn)單，打印規(guī)則是很好用的。

讓我們來(lái)看一個(gè)例子吧。

@media print {
 .print-button {
 display: none;
 }
 
 .content div {
 break-after: always;
 }
}

上面的 CSS 隱藏了打印按鈕，并在每個(gè) div 之后插入一個(gè)分頁(yè)符，其中包含content 類。有一篇很棒的文章總結(jié)了你可以用打印規(guī)則做什么，以及它們有什么問(wèn)題，包括瀏覽器兼容性。

考慮到所有因素，如果你想從不那么復(fù)雜的頁(yè)面生成 PDF，CSS打印規(guī)則非常有效。

總結(jié)

讓我們快速回顧前面介紹的方案，以便從 HTML 頁(yè)面生成 PDF 文件：

從 DOM 產(chǎn)生截圖：當(dāng)你需要從頁(yè)面創(chuàng)建快照時(shí)（例如創(chuàng)建縮略圖）可能很有用，但是當(dāng)你需要處理大量數(shù)據(jù)時(shí)就會(huì)有些捉襟見(jiàn)肘。
只用 PDF 庫(kù)：如果你打算從頭開(kāi)始以編程方式創(chuàng)建 PDF 文件，這是一個(gè)完美的解決方案。否則，你需要同時(shí)維護(hù) HTML 和 PDF 模板，這絕對(duì)是一個(gè)禁忌。
Puppeteer：盡管在 Docker 上工作相對(duì)困難，但它為我們的實(shí)現(xiàn)提供了最好的結(jié)果，而且編寫(xiě)代碼也是最簡(jiǎn)單的。
CSS打印規(guī)則：如果你的用戶受過(guò)足夠的教育，知道如何把頁(yè)面內(nèi)容打印到文件，并且你的頁(yè)面相對(duì)簡(jiǎn)單，那么它可能是最輕松的解決方案。正如你在我們的案例中所看到的，事實(shí)并非如此。

雖然今天是愚人節(jié)，但是以上所有內(nèi)容都是在真的！

作者：瘋狂的技術(shù)宅

鏈接：https://juejin.im/post/5ca1dc0251882543d569e075

嘍，今天是一篇HTML to PDF速食指南。

Java 轉(zhuǎn)換 HTML 到PDF有許多類庫(kù)，今天我們介紹一下第三方免費(fèi)的類庫(kù)OpenPDF。

1. OpenPDF

OpenPDF是免費(fèi)的Java類庫(kù) ，遵從LGPL 和 MPL協(xié)議，所以基本上能夠可以隨意使用。OpenPDF是基于iTEXT的，目前來(lái)說(shuō)也是維護(hù)的比較好的Java操作PDF的開(kāi)源軟件。

話不多說(shuō)，且看所需要的依賴，

<dependency>    
    <groupId>org.jsoup</groupId>    
    <artifactId>jsoup</artifactId>   
    <version>1.13.1</version> 
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-core</artifactId>
    <version>1.0.6</version>
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-pdfbox</artifactId>
    <version>1.0.6</version>
</dependency>

jsoup可以將html文件轉(zhuǎn)換成輸入流等，也可以遍歷html的DOM節(jié)點(diǎn)，提取元素及樣式等。

2. 示例

本篇示例將以下html文件轉(zhuǎn)換成pdf

<html>
<head>
    <style>
        .center_div {
            border: 1px solid #404e94;
            margin-left: auto;
            margin-right: auto;
            background-color: #f6d0ed;
            text-align: left;
            padding: 8px;
        }
        table {
            width: 100%;
            border: 1px solid black;
        }
        th, td {
            border: 1px solid black;
        }
        body,html,input{font-family:"msyh";}
    </style>
</head>
<body>
<div class="center_div">
    <h1>Hello java North!</h1>
    <div>
        <p>convert html to pdf.</p>
    </div>
    <div>
        <table>
            <thead>
                <th>ROLE</th>
                <th>NAME</th>
                <th>TITLE</th>
            </thead>
            <tbody>
                <tr>
                    <td>MARKSMAN</td>
                    <td>ASHE</td>
                    <td>THE FROST ARCHER</td>
                </tr>
                <tr>
                    <td>MAGES</td>
                    <td>ANNIE</td>
                    <td>THE DARK CHILD</td>
                </tr>
                <tr>
                    <td>射手</td>
                    <td>凱塔琳</td>
                    <td>皮城女警</td>
                </tr>
            </tbody>
        </table>
    </div>
</div>
</body>
</html>

以上html用瀏覽器打開(kāi)如下，亂碼是因?yàn)橹形淖煮w不識(shí)別，下面轉(zhuǎn)換的時(shí)候會(huì)加載對(duì)應(yīng)的字體來(lái)進(jìn)行轉(zhuǎn)換。

使用Java轉(zhuǎn)換HTML到PDF代碼如下：

public class HtmlToPDFOpenSource {
    public static void main(String[] args) throws IOException {
        HtmlToPDFOpenSource htmlToPDFOpenSource = new HtmlToPDFOpenSource();
        htmlToPDFOpenSource.generatePdfByOpenhtmltopdf();
    }

    private  void generatePdfByOpenhtmltopdf() throws IOException {
        File inputHtml = new File("E:\\javaNorth\\java-study-note\\javaOpenSource\\src\\main\\resources\\test.html");

        //加載html文件
        Document document = Jsoup.parse(inputHtml, "UTF-8");
        document.outputSettings().syntax(Document.OutputSettings.Syntax.html);
        
        //引入資源目錄，可以單獨(dú)引入css，圖片文件等
        String baseUri = FileSystems.getDefault()
            .getPath("javaOpenSource\\src\\main\\resources")
            .toUri().toString();
       
        try (OutputStream os = new FileOutputStream("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf")) {
            PdfRendererBuilder builder = new PdfRendererBuilder();
            builder.withUri("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf");
            builder.toStream(os);
            builder.withW3cDocument(new W3CDom().fromJsoup(document), baseUri);
            
            //引入指定字體，注意字體名需要和css樣式中指定的字體名相同
            builder.useFont(new File("javaOpenSource\\src\\main\\resources\\fonts\\msyh.ttf"),"msyh",1,BaseRendererBuilder.FontStyle.NORMAL, true);
            builder.run();
        }
    }
}

使用Java代碼轉(zhuǎn)換成PDF如下（示例中使用了微軟雅黑中文字體）：

上述html文件中增加如下外部樣式：

<link href="style.css" rel="stylesheet">

并在resources目錄下添加style.css文件，重新生成PDF文件如下。

3. 總結(jié)

本片介紹了使用OpenPDF將html文件轉(zhuǎn)換成PDF文件。同時(shí)也使用了自定義字體，外部樣式。但是以下幾點(diǎn)需要格外注意。

Java代碼中加載的字體名稱要和HTML引用的CSS樣式中的字體名相同（{font-family:"msyh";}）。
HTML文件標(biāo)簽節(jié)點(diǎn)必須閉合（<xxx></xxx>）.否則解析會(huì)失敗。

全部示例在此：https://github.com/javatechnorth/java-study-note/tree/master/javaOpenSource/src/main/java/pdf

文章來(lái)源：Java技術(shù)指北

近臨近開(kāi)學(xué)了，大家都在忙著準(zhǔn)備各種學(xué)習(xí)的資料，準(zhǔn)備在新的學(xué)期好好學(xué)習(xí)，充實(shí)自己。小編身邊的同學(xué)也是如此，最近，小編的同學(xué)小麗就遇到了一個(gè)很棘手的問(wèn)題。

她想將一個(gè)網(wǎng)頁(yè)的Python學(xué)習(xí)的教程打印下來(lái)，方便自己來(lái)學(xué)習(xí)，但是上千頁(yè)的教程，如果通過(guò)手動(dòng)的方式，一個(gè)一個(gè)的去轉(zhuǎn)成pdf并保存到本地，實(shí)在是麻煩的不。

這就是一個(gè)html轉(zhuǎn)pdf的問(wèn)題，其實(shí)網(wǎng)上有很多不錯(cuò)的html資源，但是苦于學(xué)習(xí)起來(lái)，不方便！于是小編就跟小麗保證，這點(diǎn)小事包在我身上。今天，小編就跟分享一下如何用Python把html資料變成pdf。

01.抓取的學(xué)習(xí)資料

如今網(wǎng)上的在線學(xué)習(xí)資料可謂是多如牛毛，為了方便講解，小編就利用python3.9.2的中文文檔作為演示的例子，來(lái)將其抓取并保存到本地，其網(wǎng)頁(yè)鏈接如下：

https://docs.python.org/zh-cn/3.9/tutorial/index.html

打開(kāi)上述鏈接后，大家會(huì)在網(wǎng)頁(yè)中找到不同內(nèi)容的鏈接地址，包括了基礎(chǔ)的python字符、python語(yǔ)法等內(nèi)容。

02.獲取網(wǎng)頁(yè)鏈接

在上圖中，我們需要格外關(guān)注的是紅色方格標(biāo)注的鏈接，每個(gè)鏈接都會(huì)跳轉(zhuǎn)到對(duì)應(yīng)的子網(wǎng)頁(yè)中，而在子網(wǎng)頁(yè)中，就是我們想要保存的內(nèi)容。

可以看到，上圖中，在python速覽子頁(yè)面中，包含了我們需要提取的文字內(nèi)容。所以將html內(nèi)容保存為pdf的第一步便是獲取到子頁(yè)面的鏈接。由于教程大都是固定內(nèi)容，因此對(duì)于教程的網(wǎng)頁(yè)，大都采用的是靜態(tài)頁(yè)面，在網(wǎng)頁(yè)源代碼中可以很輕松地找到子頁(yè)面的網(wǎng)頁(yè)鏈接。

對(duì)于子網(wǎng)頁(yè)的鏈接抓取，程序如下圖所示:

程序中，通過(guò)BeautifulSoup庫(kù)來(lái)解析網(wǎng)頁(yè)源代碼，然后提取所有的子頁(yè)面鏈接地址并返回，如果抓取失敗，則直接返回None。

03.html轉(zhuǎn)pdf

在得到子網(wǎng)頁(yè)的鏈接后，接下來(lái)就是將html的子網(wǎng)頁(yè)保存為pdf文件。小編使用的pdfkit庫(kù)，pdfkit庫(kù)可以將網(wǎng)頁(yè)保存為pdf文檔。首先小編來(lái)介紹一下pdfkit庫(kù)的安裝。

下載https://github.com/wkhtmltopdf/packaging/releases/download/0.12.6-1/wkhtmltox-0.12.6-1.mxe-cross-win64.7z 并解壓到本地文件中。(后臺(tái)輸入：pdf) 直接獲取。
將解壓文件中的bin文件路徑添加到系統(tǒng)變量Path中。
執(zhí)行pip install pdfkit
執(zhí)行pip install wkhtmltopdf

按照上述的操作流程，就可以安裝pdfkit庫(kù)。對(duì)于pdfkit庫(kù)的使用，常見(jiàn)的用法有以下三種：

上面的程序主要完成以下幾步：

首先需要指定wkhtmltopdf.exe文件的路徑；

然后分別通過(guò)from_url、from_file和from_string的三種方式來(lái)保存為pdf文件；
需要注意的是，from_file和from_url中的第一個(gè)參數(shù)必須是一個(gè)html的字符串或者是html文檔的列表；
但是小編通過(guò)程序運(yùn)行發(fā)現(xiàn)，from_url第一個(gè)參數(shù)只能是html的字符串，不能是html的列表。

因此，pdfkit庫(kù)只能將子網(wǎng)頁(yè)保存為單獨(dú)的pdf文檔，無(wú)法直接通過(guò)pdfkit庫(kù)將所有的子網(wǎng)頁(yè)拼接成一個(gè)完整的pdf文檔，小編通過(guò)PyPDF2庫(kù)中的PdfFileMerger類來(lái)實(shí)現(xiàn)pdf文檔的拼接。程序如下圖所示。

程序中首先將所有的html網(wǎng)頁(yè)保存為單獨(dú)的pdf文檔，然后通過(guò)PdfFileMerger類對(duì)象來(lái)實(shí)現(xiàn)pdf文檔的拼接。最后就可以得到全部的pdf內(nèi)容。最后我們通過(guò)視頻的展示，來(lái)看一下程序的效果吧。

除此之外，程序不光可以抓取python3.9的中文文檔，針對(duì)其他的在線文檔，只需要對(duì)獲取網(wǎng)頁(yè)鏈接的程序進(jìn)行修改即可抓取，例如對(duì)于Flask中文文檔的抓取，程序只需要按照下圖進(jìn)行修改，即可將Flask的在線文檔保存為PDF文檔。

04.總結(jié)

學(xué)習(xí)Python其實(shí)非常有趣，也很有用。因?yàn)镻ython有大量的現(xiàn)成的庫(kù)，可以幫助我們把工作中的很多瑣碎的煩事輕松解決。小編將上述的程序稍加修改，很快就幫阿麗搞定了教程，保存為pdf發(fā)送給了她，小編與女神的關(guān)系更拉近了一步

在線咨詢

上一篇：HTML的入門(mén)及結(jié)構(gòu)組成
下一篇：HTML5基礎(chǔ)入門(mén)

您的項(xiàng)目需求

*請(qǐng)認(rèn)真填寫(xiě)需求信息，我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。

整合營(yíng)銷服務(wù)商