phantomjs pdf 到标准输出

Question

我正在拼命尝试将 phantomJS 生成的 PDF 输出到标准输出，例如 here

我得到的是一个空的 PDF 文件，虽然它的大小不是 0，但它显示的是一个空白页。

var page = require('webpage').create(),
system = require('system'),
address;

address = system.args[1];
page.paperSize = {format: 'A4'};

page.open(address, function (status) {
    if (status !== 'success') {
        console.log('Unable to load the address!');
        phantom.exit();
    } else {
        window.setTimeout(function () {
            page.render('/dev/stdout', { format: 'pdf' });
            phantom.exit();
        }, 1000);
    }
});

我这样称呼它：phantomjs rasterize.js http://google.com>test.pdf

我尝试将/dev/stdout 更改为system.stdout，但运气不佳。将 PDF 直接写入文件没有任何问题。

我正在寻找一个跨平台的实现，所以我希望这可以在非 linux 系统上实现。

Answer 1

是的，没错 ISO-8859-1 是 QT 的默认编码，因此您需要在命令行中添加所需的参数 --output-encoding=ISO-8859-1 这样 pdf 输出就不会是损坏的

即

phantomjs.exe rasterize.js --output-encoding=ISO-8859-1 output.pdf

rasterize.js 看起来像这样（经过测试，适用于 Unix 和 Windows）

var page = require('webpage').create(),
system = require('system');

page.viewportSize = {width: 600, height: 600};
page.paperSize = {format: 'A4', orientation: system.args[1], margin: '1cm'};

page.content = system.stdin.read();

window.setTimeout(function () {
    try {
        page.render('/dev/stdout', {format: 'pdf'});
    }
    catch (e) {
        console.log(e.message + ';;' + output_file);
    }
    phantom.exit();
}, 1000);

或者您可以使用 stdout 设置编码，如果您从 UTF-8 流中读取，那么您可能还必须为 stdin 设置编码；

system.stdout.setEncoding('ISO-8859-1');
system.stdin.setEncoding('UTF-8');
page.content = system.stdin.read();

Answer 2

在 Windows 上将输出写入 /dev/stdout/ 或 /dev/stderr/ 时，PhantomJS 会执行以下步骤（如 \phantomjs\src\webpage.cpp 中的 render 方法所示）：

1. 如果没有/dev/stdout/ 和/dev/stderr/，则会分配一个临时文件路径。
2. 使用临时文件路径调用renderPdf。
3. 将网页呈现到此文件路径。
4. 将此文件的内容读入QByteArray。
5. 在字节数组上调用QString::fromAscii并写入stdout或stderr。
6. 删除临时文件。

首先，我为PhantomJS 构建了源代码，但注释掉了文件删除。在下一次运行中，我能够检查它渲染的临时文件，结果证明它完全没问题。我还尝试运行phantomjs.exe rasterize.js http://google.com > test.png，结果相同。这立即排除了渲染问题，或任何与 PDF 相关的问题，这意味着问题必须与数据写入 stdout 的方式有关。

到了这个阶段，我怀疑是否存在一些文本编码恶作剧。在之前的运行中，我拥有同一文件的有效和无效版本（在本例中为 PNG）。

使用一些 C# 代码，我进行了以下实验：

//Read the contents of the known good file.
byte[] bytesFromGoodFile = File.ReadAllBytes("valid_file.png");
//Read the contents of the known bad file.
byte[] bytesFromBadFile = File.ReadAllBytes("invalid_file.png");

//Take the bytes from the valid file and convert to a string
//using the Latin-1 encoding.
string iso88591String = Encoding.GetEncoding("iso-8859-1").GetString(bytesFromGoodFile);
//Take the Latin-1 encoded string and retrieve its bytes using the UTF-8 encoding.
byte[] bytesFromIso88591String = Encoding.UTF8.GetBytes(iso88591String);

//If the bytes from the Latin-1 string are all the same as the ones from the
//known bad file, we have an encoding problem.
Debug.Assert(bytesFromBadFile
    .Select((b, i) => b == bytesFromIso88591String[i])
    .All(c => c));

请注意，我使用 ISO-8859-1 编码作为 QT 使用它作为 default encoding for c-strings。事实证明，所有这些字节都是相同的。该练习的目的是看看我是否可以模仿导致有效数据无效的编码步骤。

为了进一步的证据，我调查了\phantomjs\src\system.cpp 和\phantomjs\src\filesystem.cpp。

• 在system.cpp 中，System 类包含对stdout、stdin 和stderr 的File 对象的引用，这些对象设置为使用UTF-8 编码。
• 写入stdout 时，会调用File 对象的write 函数。此函数支持写入文本文件和二进制文件，但由于 System 类初始化它们的方式，所有写入都将被视为写入文本文件。

所以问题归结为：我们需要对stdout 执行二进制写入，但我们的写入最终被视为文本并对其应用了编码，导致生成的文件无效。

---

鉴于上述问题，如果不更改PhantomJS 代码，我看不出有任何方法可以在 Windows 上按照您想要的方式工作。所以他们在这里：

第一个更改将提供一个函数，我们可以调用 File 对象来显式执行二进制写入。

在\phantomjs\src\filesystem.h中添加如下函数原型：

bool binaryWrite(const QString &data);

并将其定义放在\phantomjs\src\filesystem.cpp中（该方法的代码来自该文件中的write方法）：

bool File::binaryWrite(const QString &data)
{
    if ( !m_file->isWritable() ) {
        qDebug() << "File::write - " << "Couldn't write:" << m_file->fileName();
        return true;
    }

    QByteArray bytes(data.size(), Qt::Uninitialized);
    for(int i = 0; i < data.size(); ++i) {
        bytes[i] = data.at(i).toAscii();
    }
    return m_file->write(bytes);
}

在\phantomjs\src\webpage.cpp 的第 920 行附近，您会看到如下代码块：

    if( fileName == STDOUT_FILENAME ){
#ifdef Q_OS_WIN32
        _setmode(_fileno(stdout), O_BINARY);            
#endif      

        ((File *)system->_stderr())->write(QString::fromAscii(name.constData(), name.size()));

#ifdef Q_OS_WIN32
        _setmode(_fileno(stdout), O_TEXT);
#endif          
    }

改成这样：

   if( fileName == STDOUT_FILENAME ){
#ifdef Q_OS_WIN32
        _setmode(_fileno(stdout), O_BINARY);
        ((File *)system->_stdout())->binaryWrite(QString::fromAscii(ba.constData(), ba.size()));
#elif            
        ((File *)system->_stderr())->write(QString::fromAscii(name.constData(), name.size()));
#endif      

#ifdef Q_OS_WIN32
        _setmode(_fileno(stdout), O_TEXT);
#endif          
    }

所以代码替换的作用是调用我们的新 binaryWrite 函数，但这样做是由 #ifdef Q_OS_WIN32 块保护的。我这样做是为了保留非 Windows 系统上的旧功能，这些系统似乎没有表现出这个问题（或者是吗？）。请注意，此修复仅适用于写入 stdout - 如果您愿意，您可以随时将其应用到 stderr，但在这种情况下可能没那么重要。

如果您只想要一个预构建的二进制文件（谁不想要？），您可以在我的 SkyDrive 上找到带有这些修复程序的 phantomjs.exe。我的版本是 19MB 左右，而我之前下载的只有 6MB 左右，虽然我按照说明here，所以应该没问题。

Answer 3

是否必须将 pdf 输出到标准输出？你不能把代码改成：

var page = require('webpage').create(),
system = require('system'),
address;

address = system.args[1];
output  = system.args[2];
page.paperSize = {format: 'A4'};

page.open(address, function (status) {
    if (status !== 'success') {
        console.log('Unable to load the address!');
        phantom.exit();
    } else {
        window.setTimeout(function () {
            page.render(output, { format: 'pdf' });
            phantom.exit();
        }, 1000);
    }
});

并像这样使用它：

phantomjs rasterize.js http://google.com test.pdf