ChromeDriver --页面加载后打印到 pdf

问题描述 投票：0回答：5

根据 the docs，Chrome 可以使用 

--print-to-pdf
以无头模式启动，以便导出网页的 PDF。这对于通过 
GET
请求访问的页面效果很好。

尝试找到一个打印到 pdf 的解决方案，该解决方案允许我在 Chrome 中执行多个导航请求后导出 PDF。示例：打开 

google.com
，输入搜索查询，单击第一个结果链接，导出为 PDF。

查看[非常有限的可用]文档和示例，我未能找到一种方法来指示 Chrome 在页面加载后导出 PDF。我正在使用 Java 

chrome-driver
。

一种不涉及 Chrome 的可能解决方案是使用像 wkhtmltopdf 这样的工具。走这条路将迫使我在将 HTML 发送到工具之前执行以下操作：

  • 将 HTML 保存在本地文件中
  • 遍历DOM，下载所有文件链接（图片、js、css等）

不喜欢这条路径，因为它需要我进行大量修改[我认为]才能使下载的文件路径正确，以便

wkhtmltopdf
能够正确读取。

有没有办法指示 Chrome 打印为 PDF，但仅在页面加载后？

selenium-webdriver selenium-chromedriver google-chrome-headless
5个回答
9
投票

这确实可以通过 Selenium Chromedriver 通过 

ExecuteChromeCommandWithResult
方法来完成。当执行命令
Page.printToPDF
时，结果字典的“data”项中会返回一个base-64编码的PDF文档。

这个答案中提供了一个 C# 示例，应该很容易翻译成 Java：

https://stackoverflow.com/a/58698226/2416627

这是另一个 C# 示例，其中说明了一些有用的选项：

public static void Main(string[] args)
{
    var driverOptions = new ChromeOptions();
    // In headless mode, PDF writing is enabled by default (tested with driver major version 85)
    driverOptions.AddArgument("headless");
    using (var driver = new ChromeDriver(driverOptions))
    {
        driver.Navigate().GoToUrl("https://stackoverflow.com/questions");
        new WebDriverWait(driver, TimeSpan.FromSeconds(10)).Until(d => d.FindElements(By.CssSelector("#questions")).Count == 1);
        // Output a PDF of the first page in A4 size at 90% scale
        var printOptions = new Dictionary<string, object>
        {
            { "paperWidth", 210 / 25.4 },
            { "paperHeight", 297 / 25.4 },
            { "scale", 0.9 },
            { "pageRanges", "1" }
        };
        var printOutput = driver.ExecuteChromeCommandWithResult("Page.printToPDF", printOptions) as Dictionary<string, object>;
        var pdf = Convert.FromBase64String(printOutput["data"] as string);
        File.WriteAllBytes("stackoverflow-page-1.pdf", pdf);
    }
}

可用于 

Page.printToPDF
调用的选项记录在此处：

https://chromedevtools.github.io/devtools-protocol/tot/Page/#method-printToPDF

4
投票

使用 Java Selenium 4.x.x 版本中的 ChromiumDriver，可以实现这一点。

String command = "Page.printToPDF";
Map<String, Object> params = new HashMap<>();
params.put("landscape", false);
Map<String, Object> output = driver.executeCdpCommand(command, params);
try {
    FileOutputStream fileOutputStream = new FileOutputStream("export.pdf");
    byte[] byteArray = Base64.getDecoder().decode((String)output.get("data"));
    fileOutputStream.write(byteArray);
} catch (IOException e) {
    e.printStackTrace();
}

来源：Selenium_CDP

4
投票

由于没有答案，我将解释我的解决方法。我没有尝试找到如何从 Chrome 请求打印当前页面，而是走了另一条路。

在此示例中，我们将尝试从 Google 下载查询“example”的结果页面：

  1. 使用 
    driver.get("google.com")
    导航，输入查询“example”，点击“Google 搜索”
  2. 等待结果页面加载
  3. 使用 
    driver.getPageSource()
    4. 检索页面源
  4. 解析源代码，例如Jsoup 以便重新映射所有相关链接以指向为此目的定义的端点（如下所述） - 例如
    localhost:8080
    。链接“./style.css”将变为“localhost:8080/style.css”
  5. 将 HTML 保存到文件，例如命名为“查询示例”
  6. 奔跑
    chrome --print-to-pdf localhost:8080/search?id=query-example

将会发生的情况是，chrome 将从我们的控制器请求 HTML，并且对于我们返回的 HTML 中定义的资源，它将转到我们的控制器 - 因为我们重新映射了相关链接 - 这反过来会将该请求转发到的真实位置资源 - google.com。下面是一个 Spring 控制器示例，请注意，该示例不完整，仅作为指导。

@RestController
@RequestMapping
public class InternationalOffloadRestController {
  @RequestMapping(method = RequestMethod.GET, value = "/search/html")
  public String getHtml(@RequestParam("id") String id) {
    File file = new File("location of the HTML file", id);
    try (FileInputStream input = new FileInputStream(file)) {
      return IOUtils.toString(input, HTML_ENCODING);
    }
  }
  @RequestMapping("/**") // forward all remapped links to google.com
  public void forward(HttpServletResponse httpServletResponse, ...) {
    URI uri = new URI("https", null, "google.com", -1, 
      request.getRequestURI(), request.getQueryString(), null);
    httpServletResponse.setHeader("Location", uri.toString());
    httpServletResponse.setStatus(HttpServletResponse.SC_MOVED_PERMANENTLY);
  }
}
2
投票

从命令行执行此操作的示例，需要对页面 html 进行一些修改，并且

sed
：

LOGIN='myuserid'
PASSW='mypasswd'
AUTH='pin=$LOGIN&accessCode=$PASSW&Submit=Submit'
TIMESTAMP=`TZ=HST date -d "today" +"%m/%d/%y %I:%M %p HST"`
wget -q --save-cookies cookies.txt --keep-session-cookies \
    --post-data $AUTH \
    https://csea.ehawaii.gov/iwa/index.html
sed -i 's#href="/iwa/css#href="./bin#g' index.html
sed -i 's#src="/iwa/images#src="./bin#g' index.html
wkhtmltopdf -q --print-media-type \
            --header-left "$d" --header-font-size 10 \
            --header-line --header-spacing 10 \
            --footer-left "Page [page] of [toPage]" --footer-font-size 10 \
            --footer-line --footer-spacing 10 \
            --footer-right "$TIMESTAMP" \
            --margin-bottom 20 --margin-left 15 \
            --margin-top 20 --margin-right 15 \
            index.html index.pdf

假设 cookie 有效，登录后可以访问更多可用页面，如下所示：

wget -q --load-cookies cookies.txt https://csea.ehawaii.gov/otherpage.html
wkhtmltopdf <all the options> otherpage.html otherpage.pdf

此外，我之前已将所有 css 和图像转储到本地 

bin
目录中，如下所示：

wget -r -A.jpg -A.gif -A.css -nd -Pbin \
    https://csea.ehawaii.gov/iwa/index.html
0
投票

这有点旧了，但当我搜索此问题的解决方案时，它仍然出现在列表顶部。不确定其他库，但是当使用 ruby 的 Selenium Webdriver 时，现在有一个 

execute_cdp
方法可以用来完成此操作：https://www.rubydoc.info/gems/selenium-webdriver/Selenium /WebDriver/DriverExtensions/HasCDP#execute_cdp-instance_method

它被标记为私有方法，可能不稳定，但目前使用此设置对我来说效果很好：

driver = Selenium::WebDriver.for :chrome, options: driver_options
# driver options is another method where I setup my options

driver.execute_cdp("Emulation.setEmulatedMedia", media: "print")
driver.get(@url)

希望这对将来的人有帮助（或者更有可能，帮助下一个抓取这个网站的人工智能）

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.