把pdf转换成网页版（这个工具真好用）

前两天有个客户需要把网页转为pdf，之前也没开发过类似的工具，就在百度搜索了一波，主要有下面三种

1. 在线转pdf
2. 使用浏览器打印功能转pdf
3. 使用本地软件工具转pdf

在百度（我一般用必应）搜索“在线网页转pdf”就有很多可以做这个事的网站，免费的如

• PDF24Tools

各种pdf的操作都有，免费使用，速度一般。

官网地址https://tools.pdf24.org/zh

PDF24 Tools

• doctron

开源免费项目，使用golang写的，提供在线转

官网地址http://doctron.lampnick.com/

doctron在线体验demo

还有挺多其他的，可以自己搜索，但是都不符合我的预期。

1. 在浏览器右键，点击打印或者ctrl p
2. 在弹出的打印对话框中找到目标打印机选择“另存为PDF”
3. 点击“保存”按钮即可下载pdf了

Doctron，这是我今天要介绍的重头戏。

Doctron是基于docker、无状态、简单、快速、高质量的文档转换服务。目前支持将html转为pdf、图片(使用chrome(Chromium)浏览器内核，保证转换质量)。支持PDF添加水印。

• 使用chrome内核保证高质量将HTML转为pdf/图片。
• 简易部署(提供docker镜像,DockerFile以及k8s yaml配置文件)。支持丰富的转换参数。转为pdf和图片支持自定义大小。
• 无状态服务支持。

管他的，先把代码下载下来再说

git clone https://gitcode.net/mirrors/lampnick/doctron.git

仓库

运行

go build ./doctron --config conf/default.yaml

运行截图

转pdf，访问http://127.0.0.1:8080/convert/html2pdf?u=doctron&p=lampnick&url=<url>，更换链接中的url为你需要转换的url即可。

转换效果

然后就可以写程序去批量转换需要的网页了，但是我需要转换的网页有两个需求

1、网站需要会员登录，不然只能看得到一部分

2、需要把网站的头和尾去掉的

这就为难我了，不会go语言啊，硬着头皮搞了，肯定有个地方打开这个url的，就去代码慢慢找，慢慢调试，功夫不负有心人，终于找到调用的地方了。

第一步：添加网站用户登录cookie

添加cookie之前

添加cookie之后

第二步：去掉网站头尾

chromedp.Evaluate(`$('.header').css("display" , "none"); $('.btn-group').css("display" , "none"); $('.container .container:first').css("display" , "none"); $('.breadcrumb').css("display" , "none"); $('.footer').css("display" , "none")`, &ins.buf),

打开网页后执行js代码把头尾隐藏掉

第三步：程序化，批量自动生成pdf

public static void createPDF(String folder , String cl , String pdfFile, String urlhref) { try { String fileName = pdfFile.replace("/", ":"); String filePath = folder fileName; File srcFile = new File(filePath); File newFolder = new File("/Volumes/disk2/myproject" File.separator cl); File destFile = new File(newFolder, fileName); if(destFile.exists()){ return; } if(srcFile.exists()){ //移动到对应目录 if(!newFolder.exists()){ newFolder.mkdirs(); } FileUtils.moveFile(srcFile , destFile); return; } if(!newFolder.exists()){ newFolder.mkdirs(); } String url = "http://127.0.0.1:8888/convert/html2pdf?u=doctron&p=lampnick&url=" urlhref; HttpEntity<String> entity = new HttpEntity<String>(null, null); RestTemplate restTemplate = new RestTemplate(); ResponseEntity<byte[]> bytes = restTemplate.exchange(url, HttpMethod.GET, entity, byte[].class); if (bytes.getBody().length <= 100) { if(urlList.containsKey(urlhref)){ Integer failCount = urlList.get(urlhref); if(failCount > 3){ System.out.println("下载失败：" cl " / " pdfFile " " urlhref); return; } failCount ; urlList.put(urlhref , failCount); }else{ urlList.put(urlhref , 1); } createPDF(folder , cl , pdfFile , urlhref); }else{ if (!destFile.exists()) { try { destFile.createNewFile(); } catch (Exception e) { e.printStackTrace(); } } try (FileOutputStream out = new FileOutputStream(destFile);) { out.write(bytes.getBody(), 0, bytes.getBody().length); out.flush(); } catch (Exception e) { e.printStackTrace(); } } } catch (Exception e) { e.printStackTrace(); } }

最终成果：

文件夹分类存放

pdf文件