小爬之前的博文《python之批量打印网页为pdf文件(一)》中详细讲述了如何利用python+selenium,然后通过在chrome_options.add_experimental_option('prefs', prefs)配置特定的setting参数,将具体的打印设置参数传递给我们浏览器来实现【批量打印网页为PDF文件】。但是遗憾的是,通过该方式,小爬暂时还未能查到传递【页面】参数 的方法,见下图:
假如您刚好只想打印页面的某几页为PDF文件,那么这就成了一个不大不小的问题。通过翻阅很多资料,我发现chrome浏览器的实验性方法Page.printToPDF 可以有效解决这个问题,它有如下参数可以设置:
可以看到,这里面几乎有我们想要传递的所有参数,包括页码(pageRanges:Paper ranges to print, e.g., '1-5, 8, 11-13'. Defaults to the empty string, which means print all pages.),我们必须在chrome浏览器的headless模式下来调用该方法(否则会报错),比如我们只想打印web的第一页内容为PDF文件,下面就是一段程序示例,供参考:
1 from selenium import webdriver 2 import json, base64,time 3 from logon_token import userName,passWord 4 5 def send_devtools(driver, cmd, params={}): 6 resource = "/session/%s/chromium/send_command_and_get_result" % driver.session_id 7 url = driver.command_executor._url + resource 8 body = json.dumps({'cmd': cmd, 'params': params}) 9 response = driver.command_executor._request('POST', url, body) 10 return response.get('value') 11 12 def save_as_pdf(driver, path, options={}): 13 result = send_devtools(driver, "Page.printToPDF", options) 14 with open(path, 'wb') as file: 15 file.write(base64.b64decode(result['data'])) 16 17 if __name__ =="__main__": 18 options = webdriver.ChromeOptions() 19 options.add_argument("--headless") 20 options.add_argument("--disable-gpu") 21 22 driver = webdriver.Chrome(chrome_options=options) 23 24 '''请求URL,进入登录界面,输入对应用户名密码完成登录,拿到用户权限,然后跳转到我们想要的页面''' 25 driver.get("Your Login web URL") 26 driver.execute_script(f'''document.querySelector("#username").value="{userName}";document.querySelector("#password").value="{passWord}";''') 28 driver.find_element_by_xpath('//*[@id="LoginForm"]/div[4]/button').click() 29 30 driver.get("your final requestUrl") 31 32 time.sleep(2) #如果页面复杂,非静态页面,建议适当给延迟,等待页面彻底加载完成 33 34 save_as_pdf(driver, r'Your fileName for the new pdf file', { 'landscape': True,'pageRanges':'1-1','ignore_invalid_page_ranges':True})
在浏览器的headless模式下,该方法稳定且高效,各位童鞋不妨一试~~