如何在python中将网页转换为pdf，例如在打印中另存为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，我想将所有评论转换为pdf。 最初，我只是单击每个注释，然后在firefox浏览器中选择打印，然后将注释流另存为pdf。 问题是有很多，所以我决定写一个python脚本，但是我遇到了问题。 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 lib将每个评论页面转换为pdf，但未成功。 我尝试使用url（ pdfkit.from_url ），仅使用字符串（ pdfkit.from_string ），并将html保存到文件（ pdfkit.from_file ），但无法弄清楚为什么它不起作用。 据我所知，机械化的东西起作用是因为我的html文件包含我想要的所有注释以及正确的内容。 我到处寻找不同的方法，但这是我所想要的。

该脚本不会引发任何错误，它只能与第一个pdf一起挂起，因为它无法访问页面/内容。 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。 我是否使用pdfkit错误？还是应该使用其他方式将这些页面转换为pdf？ 谢谢，感谢您的帮助。 在Mac OS X上运行。

Answer 1

我最初的猜测是pdfkit不会从机械化接收任何会话信息，因此它尝试使用身份验证后的页面而不登录。

您可能应该首先使用机械化下载html，然后将其本地转换。

但是，由于您说您也无法从文件中获取结果，因此您应该尝试使用交互式python shell并尝试将pdfkit手动应用于本地文件，以查看出现什么错误。

另一件事可能是pdfkit输入文件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。