Python + Selenium + PhantomJS 渲染为 PDF答案

【问题标题】：Python + Selenium + PhantomJS render to PDFPython + Selenium + PhantomJS 渲染为 PDF
【发布时间】：2023-04-03 00:15:01
【问题描述】：

当 PhantomJS 与 Selenium 和 Python 结合使用时，是否可以使用 PhantomJS's 渲染到 PDF 功能？（即通过 Selenium 在 Python 中模仿 page.render('file.pdf') 行为）。

我意识到这使用了GhostDriver，而GhostDriver 在打印方式上并没有真正支持太多。

如果不是 Selenium 的其他替代方案是可能的，我会全力以赴。

【问题讨论】：

你看过 Pypdf2 吗？ blog.pythonlibrary.org/tag/python-pdf-series
@Amit：相当广泛，因为我一直在使用它。甚至 Phaseit 自己也说过“PyPDF2 不了解 HTML”。它不会可靠地呈现任何 HTML。
@Rejected 您是否需要屏幕截图在测试期间以准确的状态出现？或者您只是想加载页面并呈现为 PDF？

标签： python selenium phantomjs

【解决方案1】：

你可以使用selenium.selenium.capture_screenshot('file.png')，但这会给你一个png而不是pdf的屏幕截图。似乎没有办法将屏幕截图作为 pdf 格式获取。

这里是 capture_screenshot 的文档：http://selenium.googlecode.com/git/docs/api/py/selenium/selenium.selenium.html?highlight=screenshot#selenium.selenium.selenium.capture_screenshot

【讨论】：

PDF 是一个关键因素。由于多种原因，例如文本搜索、表单、嵌入式媒体等，我无法下拉到简单的图像。

【解决方案2】：

试过pdfkit？它可以从 html 页面呈现 PDF 文件。

【讨论】：

我也调查过。 PDFKit 转换 HTML -> PDF，但没有其他功能。遗憾的是，无法进行内容分析以确定页面在 PDF 之前是否包含所需的内容。
是的，我在使用 PDFKit 时遇到了同样的问题，我想要更高级的渲染，将它与 JS 框架一起使用非常麻烦.. :(
“内容分析以确定页面是否包含所需的内容”-> 那么，您不能自己进行内容分析，如果匹配，那么您只需将其发送到使用 pdfkit 呈现。我就是这样做的。
@Jonathan：然后我不渲染同一个页面，我使用 PDFKit 渲染它的第二次检索，它重新获取并重新渲染。如果我转到 PageA 并且它动态生成内容，再次返回它意味着可以更改内容。如果我只是保存 HTML 在本地打开它进行转换，我会面临很多潜在问题（相对链接、热链接保护等）
pdfkit 可以从字符串渲染.. @Rejected

【解决方案3】：

@rejected，我知道你提到不想使用子进程，但是...

您实际上可能比您预期的更多地利用子流程通信。从理论上讲，您可以采用 Ariya's stdin/stdout example 并将其扩展为相对通用的包装脚本。它可能首先接受要加载的页面，然后在该页面上侦听（并执行）您的测试操作。最终，您可以启动.render，甚至可以进行通用捕获以进行错误处理：

try {
  // load page & execute stdin commands
} catch (e) {
  page.render(page + '-error-state.pdf');
}

【讨论】：

执行通过标准输入接收的代码需要通过eval 完成，根据我尝试这样做的经验，它既不安全也不可靠。除非我弄错了？
虽然您希望对您的输入保持谨慎（从可靠性的角度来看），但您可能不必担心安全性，因为（我假设）您拥有该流程。
您还可以将特定命令等列入白名单，以便更快地抛出意外错误。但是，我设想的最佳方案是您将屏幕捕获之前可能发生的测试（或其他逻辑）提取到单独的 .js 文件中，并将其加载到页面中（phantomjs.org/api/phantom/method/inject-js.html）。您最多可以让 Python 传递一个 arg 以供特定文件 JS 加载。

【解决方案4】：

这是一个使用 selenium 和 GhostDriver 特殊命令的解决方案（它应该从 GhostDriver 1.1.0 和 PhantomJS 1.9.6 开始工作，用 PhantomJS 1.9.8 测试）：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""Download a webpage as a PDF."""


from selenium import webdriver


def download(driver, target_path):
    """Download the currently displayed page to target_path."""
    def execute(script, args):
        driver.execute('executePhantomScript',
                       {'script': script, 'args': args})

    # hack while the python interface lags
    driver.command_executor._commands['executePhantomScript'] = ('POST', '/session/$sessionId/phantom/execute')
    # set page format
    # inside the execution script, webpage is "this"
    page_format = 'this.paperSize = {format: "A4", orientation: "portrait" };'
    execute(page_format, [])

    # render current page
    render = '''this.render("{}")'''.format(target_path)
    execute(render, [])


if __name__ == '__main__':
    driver = webdriver.PhantomJS('phantomjs')
    driver.get('http://stackoverflow.com')
    download(driver, "save_me.pdf")

另请参阅我对同一问题的回答 here。

【讨论】：

有没有办法用 Chromedriver 和 Selenium 做到这一点？谢谢！