Comment convertir une page Web en PDF en utilisant Python

Je trouvais une solution pour imprimer une page Web dans un fichier PDF local, en utilisant Python. l'une des bonnes solutions consiste à utiliser Qt, que vous trouverez ici, https://bharatikunal.wordpress.com/2010/01/ .

Cela n'a pas fonctionné au début car j'avais un problème avec l'installation de PyQt4 car il donnait des messages d'erreur tels que « ImportError: No module named PyQt4.QtCore» et « ImportError: No module named PyQt4.QtCore».

C'était parce que PyQt4 n'est pas installé correctement. J'avais l'habitude d'avoir les bibliothèques situées à C: \ Python27 \ Lib mais ce n'est pas pour PyQt4.

En fait, il suffit de le télécharger à partir de http://www.riverbankcomputing.com/software/pyqt/download (attention à la bonne version de Python que vous utilisez) et de l'installer sur C: \ Python27 (mon cas). C'est tout.

Maintenant, les scripts fonctionnent bien, donc je veux les partager. pour plus d'options d'utilisation de Qprinter, veuillez vous référer à http://qt-project.org/doc/qt-4.8/qprinter.html#Orientation-enum .

Vous pouvez également utiliser pdfkit :

Usage

import pdfkit
pdfkit.from_url('http://google.com', 'out.pdf')

Installer

MacOS: brew install Caskroom/cask/wkhtmltopdf

Debian / Ubuntu: apt-get install wkhtmltopdf

Les fenêtres: choco install wkhtmltopdf

Voir la documentation officielle pour MacOS / Ubuntu / autre OS: https://github.com/JazzCore/python-pdfkit/wiki/Installing-wkhtmltopdf

WeasyPrint

pip install weasyprint  # No longer supports Python 2.x.

python
>>> import weasyprint
>>> pdf = weasyprint.HTML('http://www.google.com').write_pdf()
>>> len(pdf)
92059
>>> open('google.pdf', 'wb').write(pdf)

grâce aux messages ci-dessous, et je suis en mesure d'ajouter sur la page Web l'adresse du lien à imprimer et l'heure actuelle sur le PDF généré, quel que soit le nombre de pages qu'il contient.

Ajouter du texte à un PDF existant à l'aide de Python

https://github.com/disflux/django-mtr/blob/master/pdfgen/doc_overlay.py

Pour partager le script comme ci-dessous:

import time
from pyPdf import PdfFileWriter, PdfFileReader
import StringIO
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter
from xhtml2pdf import pisa
import sys 
from PyQt4.QtCore import *
from PyQt4.QtGui import * 
from PyQt4.QtWebKit import * 

url = 'http://www.yahoo.com'
tem_pdf = "c:\\tem_pdf.pdf"
final_file = "c:\\younameit.pdf"

app = QApplication(sys.argv)
web = QWebView()
#Read the URL given
web.load(QUrl(url))
printer = QPrinter()
#setting format
printer.setPageSize(QPrinter.A4)
printer.setOrientation(QPrinter.Landscape)
printer.setOutputFormat(QPrinter.PdfFormat)
#export file as c:\tem_pdf.pdf
printer.setOutputFileName(tem_pdf)

def convertIt():
    web.print_(printer)
    QApplication.exit()

QObject.connect(web, SIGNAL("loadFinished(bool)"), convertIt)

app.exec_()
sys.exit

# Below is to add on the weblink as text and present date&time on PDF generated

outputPDF = PdfFileWriter()
packet = StringIO.StringIO()
# create a new PDF with Reportlab
can = canvas.Canvas(packet, pagesize=letter)
can.setFont("Helvetica", 9)
# Writting the new line
oknow = time.strftime("%a, %d %b %Y %H:%M")
can.drawString(5, 2, url)
can.drawString(605, 2, oknow)
can.save()

#move to the beginning of the StringIO buffer
packet.seek(0)
new_pdf = PdfFileReader(packet)
# read your existing PDF
existing_pdf = PdfFileReader(file(tem_pdf, "rb"))
pages = existing_pdf.getNumPages()
output = PdfFileWriter()
# add the "watermark" (which is the new pdf) on the existing page
for x in range(0,pages):
    page = existing_pdf.getPage(x)
    page.mergePage(new_pdf.getPage(0))
    output.addPage(page)
# finally, write "output" to a real file
outputStream = file(final_file, "wb")
output.write(outputStream)
outputStream.close()

print final_file, 'is ready.'

voici celui qui fonctionne bien:

import sys 
from PyQt4.QtCore import *
from PyQt4.QtGui import * 
from PyQt4.QtWebKit import * 

app = QApplication(sys.argv)
web = QWebView()
web.load(QUrl("http://www.yahoo.com"))
printer = QPrinter()
printer.setPageSize(QPrinter.A4)
printer.setOutputFormat(QPrinter.PdfFormat)
printer.setOutputFileName("fileOK.pdf")

def convertIt():
    web.print_(printer)
    print("Pdf generated")
    QApplication.exit()

QObject.connect(web, SIGNAL("loadFinished(bool)"), convertIt)
sys.exit(app.exec_())

Voici une solution simple utilisant QT. J'ai trouvé cela dans le cadre d'une réponse à une question différente sur StackOverFlow. Je l'ai testé sur Windows.

from PyQt4.QtGui import QTextDocument, QPrinter, QApplication

import sys
app = QApplication(sys.argv)

doc = QTextDocument()
location = "c://apython//Jim//html//notes.html"
html = open(location).read()
doc.setHtml(html)

printer = QPrinter()
printer.setOutputFileName("foo.pdf")
printer.setOutputFormat(QPrinter.PdfFormat)
printer.setPageSize(QPrinter.A4);
printer.setPageMargins (15,15,15,15,QPrinter.Millimeter);

doc.print_(printer)
print "done!"

J'ai essayé la réponse @NorthCat en utilisant pdfkit.

Il fallait installer wkhtmltopdf. L'installation peut être téléchargée à partir d'ici. https://wkhtmltopdf.org/downloads.html

Installez le fichier exécutable. Ensuite, écrivez une ligne pour indiquer où se trouve wkhtmltopdf, comme ci-dessous. (référencé dans Impossible de créer un pdf à l'aide de python PDFKIT Erreur: "Aucun exécutable wkhtmltopdf trouvé:"

import pdfkit


path_wkthmltopdf = "C:\\Folder\\where\\wkhtmltopdf.exe"
config = pdfkit.configuration(wkhtmltopdf = path_wkthmltopdf)

pdfkit.from_url("http://google.com", "out.pdf", configuration=config)

Si vous utilisez du sélénium et du chrome, vous n'avez pas besoin de gérer vous-même les cookies et vous pouvez générer une page pdf à partir de l'impression de chrome au format pdf. Vous pouvez vous référer à ce projet pour le réaliser. https://github.com/maxvst/python-selenium-chrome-html-to-pdf-converter

base modifiée> https://github.com/maxvst/python-selenium-chrome-html-to-pdf-converter/blob/master/sample/html_to_pdf_converter.py

import sys
import json, base64


def send_devtools(driver, cmd, params={}):
    resource = "/session/%s/chromium/send_command_and_get_result" % driver.session_id
    url = driver.command_executor._url + resource
    body = json.dumps({'cmd': cmd, 'params': params})
    response = driver.command_executor._request('POST', url, body)
    return response.get('value')


def get_pdf_from_html(driver, url, print_options={}, output_file_path="example.pdf"):
    driver.get(url)

    calculated_print_options = {
        'landscape': False,
        'displayHeaderFooter': False,
        'printBackground': True,
        'preferCSSPageSize': True,
    }
    calculated_print_options.update(print_options)
    result = send_devtools(driver, "Page.printToPDF", calculated_print_options)
    data = base64.b64decode(result['data'])
    with open(output_file_path, "wb") as f:
        f.write(data)



# example
from selenium import webdriver
from selenium.webdriver.chrome.options import Options

url = "/programming/23359083/how-to-convert-webpage-into-pdf-by-using-python#"
webdriver_options = Options()
webdriver_options.add_argument("--no-sandbox")
webdriver_options.add_argument('--headless')
webdriver_options.add_argument('--disable-gpu')
driver = webdriver.Chrome(chromedriver, options=webdriver_options)
get_pdf_from_html(driver, url)
driver.quit()

Cette solution a fonctionné pour moi en utilisant PyQt5 version 5.15.0

import sys
from PyQt5 import QtWidgets, QtWebEngineWidgets
from PyQt5.QtCore import QUrl
from PyQt5.QtGui import QPageLayout, QPageSize
from PyQt5.QtWidgets import QApplication

if __name__ == '__main__':
    app = QtWidgets.QApplication(sys.argv)
    loader = QtWebEngineWidgets.QWebEngineView()
    loader.setZoomFactor(1)
    layout = QPageLayout()
    layout.setPageSize(QPageSize(QPageSize.A4Extra))
    layout.setOrientation(QPageLayout.Portrait)
    loader.load(QUrl('/programming/23359083/how-to-convert-webpage-into-pdf-by-using-python'))
    loader.page().pdfPrintingFinished.connect(lambda *args: QApplication.exit())

    def emit_pdf(finished):
        loader.page().printToPdf("test.pdf", pageLayout=layout)

    loader.loadFinished.connect(emit_pdf)
    sys.exit(app.exec_())