Python将网页转成pdf神器pdfkit库的使用__一蓑烟雨任平生

---

前言

有的网页查看起来不是很方便，于是就想到了，转成pdf转下来慢慢看？

先看下成果图哈

最终效果就是这样子，感觉是不是很炫酷，哈哈哈

---

一、安装必要软件

wkhtmltopdf，这个工具的下载网站是：点这里

感觉下载慢的直接加群也可以

群里工具太多，需要的随便拿

二、开怼代码

1.引入库

pip install pdfkit

2.导包

import pdfkit
import requests
from lxml import etree
import re

3.糟糕网站

self.url = "https://www.dusaiphoto.com/article/detail/2/"

4.创建对象HtP

Html转Pdf简写对象名HtP，pdfkit.configuration换成自己的路径哦
对，现在你就有对象了，不是单身了

class HtP:
    def __init__(self):
        self.uu = 'https://www.dusaiphoto.com%s'
        self.url = "https://www.dusaiphoto.com/article/detail/2/"
        self.contents = ''
        self.confg = pdfkit.configuration(wkhtmltopdf=r'F:\pdf\wkhtmltopdf\bin\wkhtmltopdf.exe')
        self.list_url = ["https://www.dusaiphoto.com/article/detail/2/", ]

    def __del__(self):
        print("------------------------打印结束--------------------------")

5.获取链接

因为你要的pdf不是一个，所以要把所有界面的Html组装起来

思路：

• 找到第一个地址，打开后根据正则获取到每个链接
• 这里使用什么方法不限制，Xpath？BS4？Re?随意
• 我这里使用Re获取到每个连接，然后拼接到数组

# 获取链接
    def get_list_url(self):
        html = requests.get(self.url).content.decode('utf-8')
        con = \
            re.findall(r'<div class="card-text" style="overflow: hidden">(.+?)<div class="container-fluid">', html,
                       re.S)[0]
        lists = re.findall(r'<p class="mb-0 font-body">.+?<a href="(.+?)".+?class="no-underline color-lightgray"',
                           con, re.S)
        for isurl in lists:
            isurl = self.uu % isurl
            self.list_url.append(isurl)
        return self.list_url

6.获取正文内容

每个连接都是一个页面，获取内容返回即可，依旧三种方法，都可以，这里我用的依旧是正则Re

# 获取正文内容
    def get_content(self, url):
        html = requests.get(url).content.decode('utf-8')
        content = \
            re.findall(r'<div class="mt-4">(.+?)<div class="alert alert-secondary text-muted mt-4 mb-4 font-body">',
                       html, re.S)[0]
        return content

---

7.循环每个内容拼接成大的页面

        for url in urls:
            print(url)
            content = self.get_content(url)
            self.contents = '%s%s%s' % (self.contents, content, '<p><br><p>')

这里的拼接用的%s%s%s,当然使用+=也没错，看自己喜好，开心就好啦

8.开始打印内容！

 # 保存html为pdf文档
    def dypdf(self, contents):
        contents = etree.HTML(contents)
        s = etree.tostring(contents).decode()
        print("开始打印内容！")
        pdfkit.from_string(s, r'out.pdf', configuration=self.confg)
        print("打印保存成功！")

打印为什么不直接打印内容？

答：这个问题问的好，直接打文字，你以为是打稿机？输入什么就进去什么？写入pdf肯定是2进制的写入，直接写汉字进去，计算机听不懂的

那三个参数分别代表什么？

pdfkit.from_string(s, r'out.pdf', configuration=self.confg)

答：点开源码看看？

我还解释吗？写入文件，输出路径，打印程序，看不懂英语的百度翻译去好了，其他很多参数用不到，所以不需要写

9.最后一步来个main跑起来

if __name__ == '__main__':
    HtP().run()

OK，完事

最后，附上源码？

哦哦，太占地方了，不上源码了，有兴趣的可以看我码云

这是张张的码云项目地址呀

总结

代码一步步分析很到位，应该看的懂
这就是Html转Pdf的所有内容了，俺的演讲完毕，谢谢大家聆听