Bagaimana mengubah halaman web menjadi PDF dengan menggunakan Python

Saya menemukan solusi untuk mencetak halaman web menjadi PDF file lokal, menggunakan Python. salah satu solusi yang baik adalah dengan menggunakan Qt, ditemukan di sini, https://bharatikunal.wordpress.com/2010/01/ .

Itu tidak berfungsi pada awalnya karena saya mengalami masalah dengan instalasi PyQt4 karena memberikan pesan kesalahan seperti ' ImportError: No module named PyQt4.QtCore', dan ' ImportError: No module named PyQt4.QtCore'.

Itu karena PyQt4 tidak diinstal dengan benar. Saya dulu memiliki perpustakaan yang terletak di C: \ Python27 \ Lib namun bukan untuk PyQt4.

Bahkan, itu hanya perlu mengunduh dari http://www.riverbankcomputing.com/software/pyqt/download (ingat versi Python yang benar yang Anda gunakan), dan instal ke C: \ Python27 (kasus saya). Itu dia.

Sekarang skripnya berjalan dengan baik jadi saya ingin membagikannya. untuk opsi lainnya dalam menggunakan Qprinter, silakan lihat http://qt-project.org/doc/qt-4.8/qprinter.html#Orientation-enum .

Anda juga dapat menggunakan pdfkit :

Pemakaian

import pdfkit
pdfkit.from_url('http://google.com', 'out.pdf')

Install

MacOS: brew install Caskroom/cask/wkhtmltopdf

Debian / Ubuntu: apt-get install wkhtmltopdf

Windows: choco install wkhtmltopdf

Lihat dokumentasi resmi untuk MacOS / Ubuntu / OS lain: https://github.com/JazzCore/python-pdfkit/wiki/Installing-wkhtmltopdf

WeasyPrint

pip install weasyprint  # No longer supports Python 2.x.

python
>>> import weasyprint
>>> pdf = weasyprint.HTML('http://www.google.com').write_pdf()
>>> len(pdf)
92059
>>> open('google.pdf', 'wb').write(pdf)

terima kasih untuk posting di bawah ini, dan saya dapat menambahkan alamat tautan halaman web untuk dicetak dan sekarang pada PDF yang dihasilkan, tidak peduli berapa banyak halaman yang dimilikinya.

Tambahkan teks ke PDF yang Ada menggunakan Python

https://github.com/disflux/django-mtr/blob/master/pdfgen/doc_overlay.py

Untuk membagikan script seperti di bawah ini:

import time
from pyPdf import PdfFileWriter, PdfFileReader
import StringIO
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter
from xhtml2pdf import pisa
import sys 
from PyQt4.QtCore import *
from PyQt4.QtGui import * 
from PyQt4.QtWebKit import * 

url = 'http://www.yahoo.com'
tem_pdf = "c:\\tem_pdf.pdf"
final_file = "c:\\younameit.pdf"

app = QApplication(sys.argv)
web = QWebView()
#Read the URL given
web.load(QUrl(url))
printer = QPrinter()
#setting format
printer.setPageSize(QPrinter.A4)
printer.setOrientation(QPrinter.Landscape)
printer.setOutputFormat(QPrinter.PdfFormat)
#export file as c:\tem_pdf.pdf
printer.setOutputFileName(tem_pdf)

def convertIt():
    web.print_(printer)
    QApplication.exit()

QObject.connect(web, SIGNAL("loadFinished(bool)"), convertIt)

app.exec_()
sys.exit

# Below is to add on the weblink as text and present date&time on PDF generated

outputPDF = PdfFileWriter()
packet = StringIO.StringIO()
# create a new PDF with Reportlab
can = canvas.Canvas(packet, pagesize=letter)
can.setFont("Helvetica", 9)
# Writting the new line
oknow = time.strftime("%a, %d %b %Y %H:%M")
can.drawString(5, 2, url)
can.drawString(605, 2, oknow)
can.save()

#move to the beginning of the StringIO buffer
packet.seek(0)
new_pdf = PdfFileReader(packet)
# read your existing PDF
existing_pdf = PdfFileReader(file(tem_pdf, "rb"))
pages = existing_pdf.getNumPages()
output = PdfFileWriter()
# add the "watermark" (which is the new pdf) on the existing page
for x in range(0,pages):
    page = existing_pdf.getPage(x)
    page.mergePage(new_pdf.getPage(0))
    output.addPage(page)
# finally, write "output" to a real file
outputStream = file(final_file, "wb")
output.write(outputStream)
outputStream.close()

print final_file, 'is ready.'

ini yang berfungsi dengan baik:

import sys 
from PyQt4.QtCore import *
from PyQt4.QtGui import * 
from PyQt4.QtWebKit import * 

app = QApplication(sys.argv)
web = QWebView()
web.load(QUrl("http://www.yahoo.com"))
printer = QPrinter()
printer.setPageSize(QPrinter.A4)
printer.setOutputFormat(QPrinter.PdfFormat)
printer.setOutputFileName("fileOK.pdf")

def convertIt():
    web.print_(printer)
    print("Pdf generated")
    QApplication.exit()

QObject.connect(web, SIGNAL("loadFinished(bool)"), convertIt)
sys.exit(app.exec_())

Berikut adalah solusi sederhana menggunakan QT. Saya menemukan ini sebagai bagian dari jawaban untuk pertanyaan berbeda di StackOverFlow. Saya mengujinya di Windows.

from PyQt4.QtGui import QTextDocument, QPrinter, QApplication

import sys
app = QApplication(sys.argv)

doc = QTextDocument()
location = "c://apython//Jim//html//notes.html"
html = open(location).read()
doc.setHtml(html)

printer = QPrinter()
printer.setOutputFileName("foo.pdf")
printer.setOutputFormat(QPrinter.PdfFormat)
printer.setPageSize(QPrinter.A4);
printer.setPageMargins (15,15,15,15,QPrinter.Millimeter);

doc.print_(printer)
print "done!"

Saya mencoba jawaban @NorthCat menggunakan pdfkit.

Diperlukan wkhtmltopdf untuk diinstal. Penginstalan dapat diunduh dari sini. https://wkhtmltopdf.org/downloads.html

Instal file yang dapat dieksekusi. Kemudian tulis sebuah baris untuk menunjukkan dimana wkhtmltopdf, seperti di bawah ini. (direferensikan dari Tidak dapat membuat pdf menggunakan python PDFKIT Kesalahan: "Tidak ditemukan wkhtmltopdf yang dapat dieksekusi:"

import pdfkit


path_wkthmltopdf = "C:\\Folder\\where\\wkhtmltopdf.exe"
config = pdfkit.configuration(wkhtmltopdf = path_wkthmltopdf)

pdfkit.from_url("http://google.com", "out.pdf", configuration=config)

Solusi ini berfungsi untuk saya menggunakan PyQt5 versi 5.15.0

import sys
from PyQt5 import QtWidgets, QtWebEngineWidgets
from PyQt5.QtCore import QUrl
from PyQt5.QtGui import QPageLayout, QPageSize
from PyQt5.QtWidgets import QApplication

if __name__ == '__main__':
    app = QtWidgets.QApplication(sys.argv)
    loader = QtWebEngineWidgets.QWebEngineView()
    loader.setZoomFactor(1)
    layout = QPageLayout()
    layout.setPageSize(QPageSize(QPageSize.A4Extra))
    layout.setOrientation(QPageLayout.Portrait)
    loader.load(QUrl('/programming/23359083/how-to-convert-webpage-into-pdf-by-using-python'))
    loader.page().pdfPrintingFinished.connect(lambda *args: QApplication.exit())

    def emit_pdf(finished):
        loader.page().printToPdf("test.pdf", pageLayout=layout)

    loader.loadFinished.connect(emit_pdf)
    sys.exit(app.exec_())

Jika Anda menggunakan selenium dan chromium, Anda tidak perlu mengelola cookie sendiri, dan Anda dapat membuat halaman pdf dari cetakan chromium sebagai pdf. Anda dapat merujuk proyek ini untuk merealisasikannya. https://github.com/maxvst/python-selenium-chrome-html-to-pdf-converter

dasar yang dimodifikasi> https://github.com/maxvst/python-selenium-chrome-html-to-pdf-converter/blob/master/sample/html_to_pdf_converter.py

import sys
import json, base64


def send_devtools(driver, cmd, params={}):
    resource = "/session/%s/chromium/send_command_and_get_result" % driver.session_id
    url = driver.command_executor._url + resource
    body = json.dumps({'cmd': cmd, 'params': params})
    response = driver.command_executor._request('POST', url, body)
    return response.get('value')


def get_pdf_from_html(driver, url, print_options={}, output_file_path="example.pdf"):
    driver.get(url)

    calculated_print_options = {
        'landscape': False,
        'displayHeaderFooter': False,
        'printBackground': True,
        'preferCSSPageSize': True,
    }
    calculated_print_options.update(print_options)
    result = send_devtools(driver, "Page.printToPDF", calculated_print_options)
    data = base64.b64decode(result['data'])
    with open(output_file_path, "wb") as f:
        f.write(data)



# example
from selenium import webdriver
from selenium.webdriver.chrome.options import Options

url = "/programming/23359083/how-to-convert-webpage-into-pdf-by-using-python#"
webdriver_options = Options()
webdriver_options.add_argument("--no-sandbox")
webdriver_options.add_argument('--headless')
webdriver_options.add_argument('--disable-gpu')
driver = webdriver.Chrome(chromedriver, options=webdriver_options)
get_pdf_from_html(driver, url)
driver.quit()