如何在python中将网页转换为pdf，例如打印中的另存为pdf选项

Question

我有一个需要登录（身份验证）的网站，该网站有一个消息页面，我想将所有 cmets 转换为 pdf。最初我只是点击每条评论并在 Firefox 浏览器中选择打印，然后将评论流保存为 pdf。问题是有这么多，所以我决定编写一个 python 脚本，但我遇到了问题。这是我的代码：

import mechanize
import pdfkit
import os

br = mechanize.Browser()
br.set_handle_robots(False)
br.addheaders = [("User-agent","Firefox")]
sign_in = br.open("www.mysite.com")

br.select_form(nr = 0)
br["username"] = "username"
br["password"] = "password"
logged_in = br.submit()

br.open("comments_page")
all_comment_links = []

# Iterate the links
for link in br.links():
  if "comment" in link.url:
    all_comment_links.append(link)

for l in all_comment_links:
  ret = br.open("comments_page").read()
  pdfkit.from_url(l.url, l.text + ".pdf")
  # pdfkit.from_string(ret, l.text + ".pdf")

  file = open(l.text + ".html", "w")
  file.write(ret)
  file.close()

# try from file
#for f in glob.glob("*.html"):
#  pdfkit.from_file(f, f.replace(".html", ".pdf"))

我正在尝试使用 pdfkit 库将每个评论页面转换为 pdf，但没有成功。我尝试使用 url (pdfkit.from_url)、字符串 (pdfkit.from_string)，并将 html 保存到文件 (pdfkit.from_file)，但无法弄清楚为什么这不起作用。据我所知，机械化的东西是有效的，因为我的 html 文件包含我想要的所有 cmet 以及正确的内容。我环顾四周寻找不同的方法，但这就是我想要的。

脚本不会抛出任何错误，它只是挂在第一个 pdf 上，就像它无法访问页面/内容一样。我让它运行了一段时间，但只创建了第一个 pdf 文件，但是当我尝试打开它时，它说它已损坏。我使用 pdfkit 错误还是应该使用其他东西将这些页面转换为 pdf？谢谢，任何帮助表示赞赏。在 mac os x 上运行。

Answer 1

我最初的猜测是 pdfkit 没有收到任何来自 mechanize 的会话信息，因此它会尝试在未登录的情况下使用身份验证后的页面。

你可能应该先用 mechanize 下载 html，然后在本地转换它。

但是，由于您说您也没有从文件中获取结果，您应该尝试交互式 python shell 并尝试手动将 pdfkit 应用于本地文件，看看您得到了什么错误。

其他情况可能是 pdfkit 输入或输出文件不在您可能合理期望的目录中，因此应尝试使用绝对路径作为参数。