我是如何將博客轉成PDF的

mindwind 發布于2019-08-16 13:58 / 860人閱讀

摘要：但發現導出來的沒有高亮語法沒有語法高亮咋看啊，所以到這里我就放棄了，將就用一下博客園生成的吧爬蟲學習上面提供的接口是一個生成一個文件，我是不可能一個一個將鏈接和標題放上去生成的因為博客園上發的也將近篇了。

前言

只有光頭才能變強

之前有讀者問過我：“3y你的博客有沒有電子版的呀？我想要份電子版的”。我說：“沒有啊，我沒有弄過電子版的，我這邊有個文章導航頁面，你可以去文章導航去找來看呀”..然后就沒有然后了。

最近也有個讀者提過這個問題，然后這兩天也沒什么事做，所以打算折騰折騰，看看怎么把博客轉成PDF。

一、準備工作

要將博客轉成PDF，我首先想到的是能不能將markdown文件轉成PDF(因為平時我就是用markdown來寫博客的)。

想了一下，原生markdown顯示的話，代碼是沒有高亮的，格式也不會太好看。

所以就放棄了這個想法。

于是就去想一下，可不可以將HTML轉成PDF呢。就去GitHub搜了有沒有相關的輪子，也搜到了一些關于Python的爬蟲啥的，感覺還是蠻復雜的。

后來，終于搜到了個不錯的：

https://github.com/petterobam/my-html2file

介紹：收集一系列html轉文檔的開源插件，做成html頁面轉文件的微服務集成Web應用，目前包含 html轉PDF、html轉圖片、html轉markdown等等。

功能：

網頁轉PDF（參用wkhtml2pdf插件）

網頁轉圖片（參用wkhtml2pdf插件）

網頁轉Markdown（參用jHTML2Md）

網頁轉WORD（參用Apache POI）

這里我主要用到的網頁轉PDF這么一個功能，對應的插件是wkhtml2pdf。

1.1踩坑

發現了一個不錯的輪子了，感覺可行，于是就去下載來跑一下看看怎么樣。啟動的時候倒沒有出錯，但在調接口的時候，老是拋出異常。

于是就開始查一下路徑，url有沒有問題啦，查來查去發現都沒問題啊。

后來才發現我的wkhtml2pdf.exe文件打不開，說我缺少幾個dll文件。于是，我首先想到的是去wkhtml2pdf官網看看有沒有相關的問題，想重新下載一個，但官網都進不去...(不是墻的問題)

https://wkhtmltopdf.org/

(ps：一個周末過去了，發現又能打開了。)

好吧，于是就去找‘dll文件缺失怎么辦’。后面發現，安裝一下Visual C++ Redistributable for Visual Studio 2015就好了(沒有網上說得那么復雜)

https://www.microsoft.com/zh-cn/download/confirmation.aspx?id=48145

完了之后，發現可以將一個HTML轉成PDF了，效果還不錯：

有目錄

可復制粘貼

可跳轉到鏈接

清晰度好評

缺點：

頁面加載速度慢的HTML，圖片還沒加載出來就已經生成PDF了

所以我選用了博客園(速度快)

在PDF的末尾有好幾頁不相關的(評論，廣告啥的)

本來想著能不能只截取HTML博文的部分啊(評論，廣告和其他不相關的不截取)。于是就去搜了一下，感覺是挺麻煩的，自己做了幾次試驗都沒弄出來，最后放棄了。

后來又想了一下，我不是有一個沒有廣告的博客平臺嗎，剛好可以拿來用了。但是，我自己寫完的markdown是沒有全部保存在硬盤上的，后來發現簡書可以下載已發布文章的所有markdown。

下載下來的文章，我想全部導入到之前那個無廣告的博客平臺上。但發現導出來的markdown沒有高亮語法..

// 沒有語法高亮咋看啊，所以到這里我就放棄了，將就用一下博客園生成的PDF吧

1.2爬蟲學習

上面GitHub提供的接口是一個URL生成一個PDF文件，我是不可能一個一個將鏈接和標題放上去生成的(因為博客園上發的也將近200篇了)。

而我是一點也不會爬蟲的，于是也去搜了一下Java的爬蟲輪子，發現一個很出名(WebMagic)

https://github.com/code4craft/webmagic

于是就跟著文檔學習，也遇到了坑...文檔給出的版本是0.7.3，我使用的JDK版本是8，用它的例子跑的時候拋出了SSLException異常(然而網上的0.6.x版本是沒有問題的)

折騰完折騰去，也找到了0.7.3版本在JDK8上如何解決SSLException異常的辦法了：

http://www.cnblogs.com/vcmq/p/9484418.html

修改HttpClientDownloader和HttpClientGenerator這兩個類的部分代碼就好了。

但是，我還是死活寫不出能用的代碼出來(真的菜!)..后來去問了一下同事(公眾號：Rude3Knife)咋搞，他用Python幾分鐘就寫好了。

def get_blog_yuan(blog_name, header):
    for i in range(1, 6):
        url = "https://www.cnblogs.com/" + blog_name + "/default.html?page=" + str(i)
        r = requests.get(url, headers=header, timeout=6)
        selector = etree.HTML(r.text)
        names = selector.xpath("http://*[@class="postTitle"]/a/text()")
        links = selector.xpath("http://*[@class="postTitle"]/a/@href")
        for num in range(len(names)):
            print(names[num], links[num])
        time.sleep(5)

我也不糾結了..直接用他爬下來的數據吧(:

WebMagic中文文檔：

http://webmagic.io/docs/zh/

最后

最后我就生成了好多PDF文件了：

// 這篇文章簡單記錄下我這個過程吧，還有很多要改善的[//假裝TODO]。如果你遇到過這種需求，有更好的辦法的話不妨在評論區下告訴我~~

WebMagic我的Demo還沒寫好！！！如果有興趣或者用過WebMagic的同學，有空的話不妨也去爬爬我的博客園的文章，給我一份代碼(hhhhh)

分析可能的原因：博客園反爬蟲or爬取規則沒寫好

部門的前輩建議我去了解一下機器學習，我也想擴展一下眼界，所以這陣子會去學一下簡單的機器學習知識。(當然啦，我后面也會補筆記的)

樂于分享和輸出干貨的Java技術公眾號：Java3y。關注即可領取海量的視頻資源！

文章的目錄導航：

https://github.com/ZhongFuCheng3y/3y

云服務器 GPU云服務器 java將pdf轉成圖片 js將數組轉成map 將匯編代碼轉成c語言 js將數據轉成json對象

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/72652.html

前端實現html轉pdf方法總結

摘要：比上面的稍微好點，支持了一些方面的東西，具體看這個中文配置參數評價這種方法前端實現，靈活簡單，而且在頁面還原上是很好的，生成的過程不需要自己操心，頁面樣式還可控，可以說是非常不錯的。最近要搞前端html轉pdf的功能。折騰了兩天，略有所收，踩了一些坑，所以做些記錄，為后來的兄弟做些提示，也算是回饋社區。經過一番調(sou)研(suo)發現html導出pdf一般有這幾種方式，各有各有優...

Heier 2019-08-02 16:04 評論0 收藏0
前端實現html轉pdf方法總結

摘要：比上面的稍微好點，支持了一些方面的東西，具體看這個中文配置參數評價這種方法前端實現，靈活簡單，而且在頁面還原上是很好的，生成的過程不需要自己操心，頁面樣式還可控，可以說是非常不錯的。最近要搞前端html轉pdf的功能。折騰了兩天，略有所收，踩了一些坑，所以做些記錄，為后來的兄弟做些提示，也算是回饋社區。經過一番調(sou)研(suo)發現html導出pdf一般有這幾種方式，各有各有優...

gekylin 2019-08-29 16:40 評論0 收藏0
前端實現html轉pdf方法總結

摘要：比上面的稍微好點，支持了一些方面的東西，具體看這個中文配置參數評價這種方法前端實現，靈活簡單，而且在頁面還原上是很好的，生成的過程不需要自己操心，頁面樣式還可控，可以說是非常不錯的。最近要搞前端html轉pdf的功能。折騰了兩天，略有所收，踩了一些坑，所以做些記錄，為后來的兄弟做些提示，也算是回饋社區。經過一番調(sou)研(suo)發現html導出pdf一般有這幾種方式，各有各有優...

yvonne 2019-08-23 11:51 評論0 收藏0
React-pdf-js插件使用與base64顯示圖片與文件

摘要：由于公司項目需要，圖片與文件需要存到數據庫而存本地，前端用的，后端是接口的方式，只能選擇這種方式，而且也方便可以存各種格式。下安裝官網大家可以點進去，然后里面有介紹安裝方法如何使用。由于公司項目需要，圖片與文件需要存到數據庫而存本地，前端用的react，后端是接口的方式，只能選擇base64這種方式，而且也方便可以存各種格式。 1.React下react-pdf-js安裝官網大家...

Alfred 2019-07-01 10:56 評論0 收藏0
Javascript 將html轉成pdf,下載,支持多頁哦（html2canvas 和 jsPDF

摘要：最近碰到個需求，需要把當前頁面生成，并下載。但這并不是真的截圖，而是通過遍歷頁面結構，收集所有元素信息及相應樣式，渲染出。由于只能將它能處理的生成，因此渲染出來的結果并不是與原來一致。最近碰到個需求，需要把當前頁面生成pdf，并下載。弄了幾天，自己整理整理，記錄下來，我覺得應該會有人需要：）項目源碼地址：https://github.com/linwalker/... html2...

macg0406 2019-08-20 16:05 評論0 收藏0