表格 html2img:把html转化为图片

一. 前景提要

提取html中的表格图片，原理如下：

1. 开启浏览器
2. 找到表格的坐标
3. 截屏，得到表格图片

二. 代码展示

import os
import pyppeteer
from pyppeteer import launch
import asyncio
from tqdm import tqdm

async def get_jpgs(html_path, img_path):
    browser = await launch()
    page = await browser.newPage()
    await asyncio.wait_for(page.goto('file://'+ html_path), timeout=30)
    
    table_elements = await page.xpath('//table/tbody')
    # 由于一个页面中只包含一个表格，所以只取第一个
    table_element = table_elements[0]
    table_Rect = await table_element.boundingBox()

    # 把table_Rect向四周pad两个像素，让图片包含表格线
    table_Rect["x"] = table_Rect["x"]-2
    table_Rect["y"] = table_Rect["y"]-2
    table_Rect["width"] = table_Rect["width"]+4
    table_Rect["height"] = table_Rect["height"]+4
    await page.screenshot({
            'path': img_path,
            'clip': table_Rect
        })

    # 关闭浏览器
    await page.close()
    await browser.close()


if __name__ == "__main__":
    import glob
    html_path_list = glob.glob('/home/guopei/workspace/htmls/*.html')
    # html_path必须为绝对路径
    for html_path in tqdm(html_path_list):
        img_path = html_path.replace(".html", ".jpg")
        asyncio.get_event_loop().run_until_complete(get_jpgs(html_path, img_path))

效果如下：

参考：html2img

我们的表格识别解决方案