selenium

Selenium 通過使用 WebDriver 支持市場(chǎng)上所有主流瀏覽器的自動(dòng)化。 Webdriver 是一個(gè) API 和協(xié)議，它定義了一個(gè)語言中立的接口，用于控制 web 瀏覽器的行為。 每個(gè)瀏覽器都有一個(gè)特定的 WebDriver 實(shí)現(xiàn)，稱為驅(qū)動(dòng)程序。 驅(qū)動(dòng)程序是負(fù)責(zé)委派給瀏覽器的組件，并處理與 Selenium 和瀏覽器之間的通信。

這種分離是有意識(shí)地努力讓瀏覽器供應(yīng)商為其瀏覽器的實(shí)現(xiàn)負(fù)責(zé)的一部分。 Selenium 在可能的情況下使用這些第三方驅(qū)動(dòng)程序， 但是在這些驅(qū)動(dòng)程序不存在的情況下，它也提供了由項(xiàng)目自己維護(hù)的驅(qū)動(dòng)程序。

Selenium 框架通過一個(gè)面向用戶的界面將所有這些部分連接在一起， 該界面允許透明地使用不同的瀏覽器后端， 從而實(shí)現(xiàn)跨瀏覽器和跨平臺(tái)自動(dòng)化。

selenium 驅(qū)動(dòng)

# selenium 驅(qū)動(dòng)
https://selenium-python.readthedocs.io/installation.html#drivers
https://selenium-python.readthedocs.io/api.html

selenium-java

主要依賴

        <dependency>
            <groupId>org.seleniumhq.selenium</groupId>
            <artifactId>selenium-java</artifactId>
            <version>4.16.1</version>
        </dependency>

測(cè)試代碼

        // 獲取 java 版本
        String version=System.getProperty("java.specification.version");

        // 獲取系統(tǒng)類型
        String platform=System.getProperty("os.name", "");
        platform=platform.toLowerCase().contains("window") ? "win" : "linux";

        // 當(dāng)前程序目錄
        String current=System.getProperty("user.dir");

        System.out.println("current:" + current);

        // firefox 運(yùn)行參數(shù)配置
        FirefoxOptions options=new FirefoxOptions();
        // 無頭模式
        options.addArguments("--headless");
        // 最大化
        options.addArguments("--start-maximized");

        FirefoxDriver browser=new FirefoxDriver(options);

        Path url=Paths.get(current, "..", "index.html");
        System.out.println("url:" + url.toString());

        // NOTE 要使用 file 協(xié)議
        browser.get(String.format("file://%s", url.toString()));

        // 打印設(shè)置
        PrintOptions print=new PrintOptions();
        Pdf pdf=browser.print(print);

        // pdf base64 內(nèi)容
        String content=pdf.getContent();
        // 解碼內(nèi)容
        Base64.Decoder decoder=Base64.getDecoder();
        byte[] buffer=decoder.decode(content);

        try {
            // 將 byte 寫入文件
            Path file=Paths.get(String.format("java%s_%s.pdf", version, platform));
            Files.write(file, buffer);
        } catch (IOException e) {
            throw new RuntimeException(e);
        } finally {
            browser.quit();
        }

效果預(yù)覽

selenium/java11_linux.pdf · yjihrp/linux-html2pdf-demo - Gitee.com

selenium/java11_win.pdf · yjihrp/linux-html2pdf-demo - Gitee.com

測(cè)試結(jié)果

下一篇 6-LINUX HTML 轉(zhuǎn) PDF-selenium-python

>>> import camelot
>>> tables=camelot.read_pdf('foo.pdf') #類似于Pandas打開CSV文件的形式
>>> tables[0].df # get a pandas DataFrame!
>>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定輸出格式
>>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 導(dǎo)出數(shù)據(jù)為文件
>>> tables
<TableList n=1>
>>> tables[0]
<Table shape=(7, 7)> # 獲得輸出的格式
>>> tables[0].parsing_report
{
 'accuracy': 99.02,
 'whitespace': 12.24,
 'order': 1,
 'page': 1
}

conda install -c conda-forge camelot-py

pip install camelot-py[cv]

ompdf是一個(gè)可以將HTML生成PD并保留樣式效果的PHP第三方擴(kuò)展。

下面就一步步講解如何使用：

一、通過composer安裝

composer require dompdf/dompdf

二 、編寫測(cè)試代碼

（1）引用autoload.php

include 'vendor/autoload.php'; 

（2）實(shí)例化Dompdf

$dompdf=new \Dompdf\Dompdf();

（3）加載HTML

$dompdf->loadHtml($html); //$html 為HTML字符串

（4）設(shè)置紙張和方向

$dompdf->setPaper('A4', 'landscape'); //紙張大小和紙張方向

（5）生成PDF并下載

 $dompdf->render();
$dompdf->stream('數(shù)據(jù)字典.pdf');

三、導(dǎo)出PDF測(cè)試，發(fā)現(xiàn)中文亂碼了

四、解決中文亂了問題

（1）下載支持中文的字體包放到根目錄下（和vendor目錄同級(jí)），這里演示使用的是阿里巴巴的普惠字體（字體格式是ttf的，小編原先下載使用的字體格式是otf格式的無效）

（2）下載dompdf字體安裝工具解壓到根目錄（和vendor目錄同級(jí)）

下載地址：https://github.com/dompdf/utils

（3）在命令行（CMD定位到根目錄）下執(zhí)行命令

php load_font.php "puhui" Alibaba-PuHuiTi-Light.ttf

執(zhí)行成功后在路徑（vendor\dompdf\dompdf\lib\fonts）下就會(huì)出現(xiàn)剛才的字體

（4）在樣式文件中指定使用剛才安裝的字體

body{font-family:puhui;}

（5）再次導(dǎo)出PDF測(cè)試成功