代码之家 › 专栏 › 技术社区 › farhan jatt

Playwright page.pdf()只获取一个页面

playwright-python playwright pdf python

2

farhan jatt · 技术社区 · 2 年前

我一直在尝试将html转换为pdf。我试过很多工具,但都不管用。现在我使用的是player,它正在将页面转换为PDF,但它只获得第一个屏幕视图。从那一页开始,右边的内容被修剪掉了。

import os
import time
import pathlib
from playwright.sync_api import sync_playwright

filePath = os.path.abspath("Lab6.html")
fileUrl = pathlib.Path(filePath).as_uri()
fileUrl = "file://C:/Users/PMYLS/Desktop/Code/ScribdPDF/Lab6.html"
with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.goto(fileUrl)
    for i in range(5): #(The scroll is not working)
        page.mouse.wheel(0, 15000)
        time.sleep(2)
    page.wait_for_load_state('networkidle') 
    page.emulate_media(media="screen")
    page.pdf(path="sales_report.pdf")
    browser.close()

Html视图

运行脚本后的PDF文件我几乎试过互联网上所有可用的工具。我也使用了硒,但效果相同。我认为这是由于页面加载不正确,我添加了等待并手动滚动整个页面以加载内容。所有这些都给出了相同的结果。

我正在转换的html https://drive.google.com/file/d/16jEq52iXtAMCg2FDt3VbQN0dCQmdTip_/view?usp=sharing

1 回复 | 直到 2 年前

1

ggorlen Hoàng Huy Khánh 2 年前

这是一个对我有用的有点脏的解决方案。这个 sleep 滚动不是很好,可能可以改进,但我将把它作为一个开始,看看以后是否有时间收紧它(也可以随意这样做)。

from playwright.sync_api import sync_playwright # 1.37.0
from time import sleep


with open("index.html") as f:
    html = f.read()

with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.set_content(html)

    # focus inside the annoying border to enable scroll
    page.click(".document_container")

    for i in range(10):
        page.mouse.wheel(0, 2500)
        sleep(0.5)

    # strip out the annoying border that messes up PDF generation
    page.evaluate("""() => {
        const el = document.querySelector(".document_scroller");
        el.parentElement.appendChild(el.querySelector(".document_container"));
        el.remove();
    }""")
    page.emulate_media(media="screen")
    page.pdf(path="sales_report.pdf")
    browser.close()

两个技巧:

单击边界区域内部可以进行滚动,这似乎是加载所有内容所必需的。
撕开恼人的边界可以让PDF生成捕获所有页面。当边界存在时,主体上没有滚动,只有内部容器,PDF捕获似乎不理解这一点。