如何使用 python PDFkit 将 NextJS 网站转换为 pdf

Question

我尝试使用 pdfkit 将网页转换为 PDF。当使用 google.com 等 URL 时，此方法效果很好。但是当我尝试转换在 NextJS 中构建的网页时，PDF 工具包不断加载而没有任何响应。

我使用 imbd.com 作为示例，因为他们也在使用 NextJS。

import pdfkit

try:
    options = {
        # 'page-size': 'A4',
        'encoding': 'utf-8',
        'margin-top': '0cm',
        'margin-bottom': '0cm',
        'margin-left': '0cm',
        'margin-right': '0cm',
        # 'image-quality': '1000',
        # 'image-dpi': '2000',
        'disable-smart-shrinking': '',
        'page-width': '595px',
        'page-height': '842px',
        'no-outline': None,
        'javascript-delay': '1000',
        "load-error-handling": "ignore"

    }
    pdfkit.from_url(
        'https://www.imdb.com/', 'out.pdf', options=options, verbose=True)
except Exception as e:
    raise e

我尝试解决的问题：

运行上述脚本时没有任何反应。而且调试时也没有可以使用的错误日志记录。

更新

为了调试，我尝试直接与

wkhtmltopdf

交互，但仍然没有得到任何输出。

我的命令：

$ wkhtmltopdf --javascript-delay 5000 --debug-javascript http://imdb.com out.pdf

输出： 加载程序冻结在 87%，并且没有任何输出可以帮助我找出问题所在。

Loading pages (1/6)
[====================================================>       ] 87%

Answer 1

在选项对象的“javascript-delay”下，尝试将阈值增加到 5000。

Answer 2

您没有使用正确的包，pdfkit 适合捕获在服务器端呈现的网站。像 React 这样的 NextJ 不会在服务器上渲染，服务器渲染的 HTML 也会在服务器上渲染，但它们会在客户端渲染，因此会永远等待渲染。 为此，您可以尝试使用curl 获取网站的HTML 来查看差异，您将看到大量在客户端呈现的javascript。

为此，您需要一个使用 chrome headless 的库，例如，我推荐 pyhtml2pdf 。 你需要：

pip install pyhtml2pdf
#install also chrome or chromium if is not installed 
wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
sudo apt -y install ./google-chrome-stable_current_amd64.deb

然后您可以使用以下简单代码来捕获网站：

from pyhtml2pdf import converter

converter.convert('https://www.imdb.com', 'sample.pdf')

按预期工作并且网站已呈现。

Answer 3

您有两个主要问题，一个是浏览器安全性，另一个是将网页打印为 PDF。

到目前为止，打印网站而没有任何次要安全问题的最简单方法是使用浏览器，因此参考不是问题。

Chrome --headless [Disable$*] --run-all-compositor-stages-before-draw --no-pdf-header-footer --print-to-pdf="/folder/out.pdf" https://www.imdb.com 

• Disable$ 是一个很长的 --options 列表，根据您的浏览器配置而定

主要问题是，它会完美/完全就像您将网页打印为 pdf 一样，而无需调整任何打印输出设置。所以它应该是A4纵向，因此媒体框应该不是问题，但设置边距更困难，特别是因为它不是设计为命令行驱动的，因此需要一个木偶操纵者（或更简单的基本用法，例如sendkeys）。

如果您需要进行商业级别调整，请考虑商业 URL2PDF SDK/API 解决方案，有几种设计用于与 Python 一起使用