把HTML轉(zhuǎn)成PDF的4個方案及實現(xiàn)方法

本文中，我將展示如何使用 Node.js、Puppeteer、headless Chrome 和 Docker 從樣式復(fù)雜的 React 頁面生成 PDF 文檔。

背景：幾個月前，一個客戶要求我們開發(fā)一個功能，用戶可以得到 PDF 格式的 React 頁面內(nèi)容。該頁面基本上是患者病例的報告和數(shù)據(jù)可視化結(jié)果，其中包含許多 SVG。另外還有一些特殊的請求來操縱布局，并對 HTML 元素進行一些重新排列。因此與原始的 React 頁面相比，PDF 中應(yīng)該有不同的樣式和額外的內(nèi)容。

由于這個任務(wù)比用簡單的 CSS 規(guī)則解決要復(fù)雜得多，所以我們先探討了可能的實現(xiàn)方法。我們找到了 3 個主要解決方案。這篇博文將指導(dǎo)你了解它們的可能性并最終實施。

在客戶端還是服務(wù)器端生成？
方案1：從 DOM 制作屏幕截圖
方案2：僅使用 PDF 庫
最終方案3：Node.js、Puppeteer 和 Headless Chrome
樣式控制
將文件發(fā)送到客戶端并保存
在 Docker 中使用 Puppeteer
方案3 +1：CSS打印規(guī)則
總結(jié)

在客戶端還是服務(wù)器端生成？

在客戶端和服務(wù)器端都可以生成PDF文件。但是讓后端處理它可能更有意義，因為你并不想耗盡用戶瀏覽器可以提供的所有資源。

即便如此，我仍然會展示這兩種方法的解決方案。

方案1：從 DOM 制作屏幕截圖

乍一看，這個解決方案似乎是最簡單的，事實證明的確是這樣，但它有其自身的局限性。如果你沒有特殊需求，例如在 PDF 中選擇文本或?qū)ξ谋具M行搜索，那么這就是一種簡單易用的方法。

此方法簡單明了：從頁面創(chuàng)建屏幕截圖，并把它放到 PDF 文件中。非常直截了當(dāng)。我們可以使用兩個包來實現(xiàn)：

Html2canvas，根據(jù) DOM 生成截圖
jsPdf，一個生成PDF的庫

開始編碼：

npm install html2canvas jspdf

就這樣！

請注意 html2canvas 的 onclone方法。當(dāng)你在截圖之前需要操縱 DOM（例如隱藏打印按鈕）時，它是非常方便的。我看到過很多使用這個包的項目。但不幸的是，這不是我們想要的，因為我們需要在后端完成對 PDF 的創(chuàng)建工作。

方案2：只使用 PDF 庫

NPM上有幾個庫，如 jsPDF（如上所述）或PDFKit。他們的問題是，如果我想使用這些庫，我將不得不重新調(diào)整頁面結(jié)構(gòu)。這肯定會損害可維護性，因為我需要將所有后續(xù)更改應(yīng)用到 PDF 模板和 React 頁面中。

請看下面的代碼。你需要親自手動創(chuàng)建 PDF 文檔。你需要遍歷 DOM 并找出每個元素并將其轉(zhuǎn)換為 PDF 格式，這是一項繁瑣的工作。必須找到一個更簡單的方法。

這段代碼段來自 PDFKit 文檔。但是如果你的目標(biāo)是直接生成一個 PDF 文件，而不是對一個已經(jīng)存在的（并且不斷變化的）HTML 頁面進行轉(zhuǎn)換，它還是很有用的。

最終方案3：基于 Node.js 的 Puppeteer 和 Headless Chrome

什么是 Puppeteer？其文檔中寫道：

Puppeteer 是一個 Node 庫，它提供了一個高級 API 來控制 DevTools 協(xié)議上的 Chrome 或 Chromium。 Puppeteer 默認(rèn)以 headless 模式運行 Chrome 或 Chromium，但其也可以被配置為完整的（non-headless）模式運行。

它本質(zhì)上是一個可以從 Node.js 運行的瀏覽器。如果你讀過它的文檔，其中首先提到的就是你可以用 Puppeteer 來生成頁面的截圖和PDF。優(yōu)秀！這正是我們想要的。

先用 npmi i puppeteer 安裝 Puppeteer，并實現(xiàn)我們的功能。

這是一個簡單的功能，可導(dǎo)航到 URL 并生成站點的 PD F文件。

首先，我們啟動瀏覽器（僅在 headless 模式下支持 PDF 生成），然后打開新頁面，設(shè)置視口，并導(dǎo)航到提供的URL。

設(shè)置 waitUntil:'networkidle0' 選項意味著當(dāng)至少500毫秒沒有網(wǎng)絡(luò)連接時，Puppeteer 會認(rèn)為導(dǎo)航已完成。（可以從 API docs 獲取更多信息。）

之后，我們將 PDF 保存為變量，關(guān)閉瀏覽器并返回 PDF。

注意：page.pdf 方法接收 options 對象，你可以使用 'path' 選項將文件保存到磁盤。如果未提供路徑，則 PDF 將不會被保存到磁盤，而是會得到緩沖區(qū)。（稍后我將討論如何處理它。）

如果需要先登錄才能從受保護的頁面生成 PDF，首先你要導(dǎo)航到登錄頁面，檢查表單元素的 ID 或名稱，填寫它們，然后提交表單：

要始終將登錄憑據(jù)保存在環(huán)境變量中，不要硬編碼！

樣式控制

Puppeteer 也有這種樣式操作的解決方案。你可以在生成 PDF 之前插入樣式標(biāo)記，Puppeteer 將生成具有已修改樣式的文件。

await page.addStyleTag({ content: '.nav { display: none} .navbar { border: 0px} #print-button {display: none}' })

將文件發(fā)送到客戶端并保存

好的，現(xiàn)在你已經(jīng)在后端生成了一個 PDF 文件。接下來做什么？

如上所述，如果你不把文件保存到磁盤，將會得到一個緩沖區(qū)。你只需要把含有適當(dāng)內(nèi)容類型的緩沖區(qū)發(fā)送到前端即可。

現(xiàn)在，你只需在瀏覽器向服務(wù)器發(fā)送請求即可得到生成的 PDF。

一旦發(fā)送了請求，緩沖區(qū)的內(nèi)容就應(yīng)該開始下載了。最后一步是將緩沖區(qū)數(shù)據(jù)轉(zhuǎn)換為 PDF 文件。

就這樣！如果單擊“保存”按鈕，那么瀏覽器將會保存 PDF。

在 Docker 中使用 Puppeteer

我認(rèn)為這是實施中最棘手的部分 —— 所以讓我?guī)湍愎?jié)省幾個小時的百度時間。

官方文檔指出*“在 Docker 中使用 headless Chrome 并使其運行起來可能會非常棘手”*。官方文檔有疑難解答部分，你可以找到有關(guān)用 Docker 安裝 puppeteer 的所有必要信息。

如果你在 Alpine 鏡像上安裝 Puppeteer，請確保在看到頁面的這一部分時再向下滾動一點。否則你可能會忽略一個事實：你無法運行最新的 Puppeteer 版本，并且你還需要用一個標(biāo)記禁用 shm ：

const browser = await puppeteer.launch({
 headless: true,
 args: ['--disable-dev-shm-usage']
});

否則，Puppeteer 子進程可能會在正常啟動之前耗盡內(nèi)存。

方案 3 + 1：CSS 打印規(guī)則

可能有人認(rèn)為從開發(fā)人員的角度來看，簡單地使用 CSS 打印規(guī)則很容易。沒有 NPM 模塊，只有純 CSS。但是在跨瀏覽器兼容性方面，它的表現(xiàn)如何呢？

在選擇 CSS 打印規(guī)則時，你必須在每個瀏覽器中測試結(jié)果，以確保它提供的布局是相同的，并且它不是100％能做到這一點。

例如，在給定元素后面插入一個 break-after 并不是一個多么高深的技術(shù)，但是你可能會驚訝的發(fā)現(xiàn)要在 Firefox 中使用它需要使用變通方法。

除非你是一位經(jīng)驗豐富的 CSS 大師，在創(chuàng)建可打印頁面方面有很多的經(jīng)驗，否則這可能會非常耗時。

如果你可以使打印樣式表保持簡單，打印規(guī)則是很好用的。

讓我們來看一個例子吧。

@media print {
 .print-button {
 display: none;
 }
 
 .content div {
 break-after: always;
 }
}

上面的 CSS 隱藏了打印按鈕，并在每個 div 之后插入一個分頁符，其中包含content 類。有一篇很棒的文章總結(jié)了你可以用打印規(guī)則做什么，以及它們有什么問題，包括瀏覽器兼容性。

考慮到所有因素，如果你想從不那么復(fù)雜的頁面生成 PDF，CSS打印規(guī)則非常有效。

總結(jié)

讓我們快速回顧前面介紹的方案，以便從 HTML 頁面生成 PDF 文件：

從 DOM 產(chǎn)生截圖：當(dāng)你需要從頁面創(chuàng)建快照時（例如創(chuàng)建縮略圖）可能很有用，但是當(dāng)你需要處理大量數(shù)據(jù)時就會有些捉襟見肘。
只用 PDF 庫：如果你打算從頭開始以編程方式創(chuàng)建 PDF 文件，這是一個完美的解決方案。否則，你需要同時維護 HTML 和 PDF 模板，這絕對是一個禁忌。
Puppeteer：盡管在 Docker 上工作相對困難，但它為我們的實現(xiàn)提供了最好的結(jié)果，而且編寫代碼也是最簡單的。
CSS打印規(guī)則：如果你的用戶受過足夠的教育，知道如何把頁面內(nèi)容打印到文件，并且你的頁面相對簡單，那么它可能是最輕松的解決方案。正如你在我們的案例中所看到的，事實并非如此。

雖然今天是愚人節(jié)，但是以上所有內(nèi)容都是在真的！

作者：瘋狂的技術(shù)宅

鏈接：https://juejin.im/post/5ca1dc0251882543d569e075

DF轉(zhuǎn)HTML在網(wǎng)絡(luò)應(yīng)用中越來越受到重視，PDF作為一種電子文件格式廣泛應(yīng)用于各種場景，例如在線教育、電子商務(wù)等。但是PDF作為一種專有格式，在網(wǎng)絡(luò)應(yīng)用中存在一定的限制，比如不便于搜索引擎索引的問題。因此，將PDF轉(zhuǎn)換為HTML格式就顯得尤為重要。HTML作為一種開放標(biāo)準(zhǔn)，在瀏覽器中的兼容性強，結(jié)構(gòu)清晰，方便搜索引擎抓取，能很好地解決PDF在網(wǎng)絡(luò)應(yīng)用中的一些問題。那你們知道PDF怎么轉(zhuǎn)HTML嗎？下面就為大家分享幾種不錯的方法。

以下是可以將PDF轉(zhuǎn)HTML的方法：

一、使用全能PDF轉(zhuǎn)換助手將PDF轉(zhuǎn)HTML

這是一款功能豐富的PDF轉(zhuǎn)換工具，支持將PDF文件轉(zhuǎn)換為多種格式，包括HTML。它具有直觀的操作界面和簡單易用的操作流程，即使對于初學(xué)者也很友好。

【轉(zhuǎn)換步驟】

步驟一：打開軟件后，選擇“PDF轉(zhuǎn)HTML”功能。

步驟二：添加PDF文件，接著調(diào)整“頁碼選擇”，然后點擊“開始轉(zhuǎn)換”即可。

二、使用HODO將PDF轉(zhuǎn)HTML

這是一個受歡迎的PDF轉(zhuǎn)HTML平臺，它專注于提供出色的轉(zhuǎn)換質(zhì)量和準(zhǔn)確性。它的轉(zhuǎn)換引擎使用先進的算法，可以保留原始PDF文件的布局和格式，并將其轉(zhuǎn)換為高質(zhì)量的HTML文件。

【轉(zhuǎn)換步驟】

步驟一：使用瀏覽器打開平臺的網(wǎng)站后，選擇“PDFto HTML”功能。

步驟二：添加PDF文件，接著平臺就會自動識別并進行轉(zhuǎn)換。

三、使用ZAMZAR將PDF轉(zhuǎn)HTML

這是另一個在線文件轉(zhuǎn)換平臺，提供多種文件格式之間的轉(zhuǎn)換服務(wù)，包括PDF到HTML的轉(zhuǎn)換。這個平臺非常方便使用，我們不需要安裝任何軟件。

【轉(zhuǎn)換步驟】

步驟一：打開平臺后，通過“ChooseFiles”上傳PDF文件。

步驟二：在“WebFormats”中選擇“HTML”格式，接著點擊“ConvertNow”就能完成轉(zhuǎn)換。

看完這篇文章，大家都學(xué)會PDF怎么轉(zhuǎn)HTML了嗎？以上三種方法都可以很好地實現(xiàn)PDF到HTML的轉(zhuǎn)換，幫助我們利用PDF內(nèi)容在網(wǎng)頁中發(fā)揮更廣泛的價值。具體選擇哪種方法，需要大家結(jié)合自身實際轉(zhuǎn)換需求來定。

嘍，今天是一篇HTML to PDF速食指南。

Java 轉(zhuǎn)換 HTML 到PDF有許多類庫，今天我們介紹一下第三方免費的類庫OpenPDF。

1. OpenPDF

OpenPDF是免費的Java類庫，遵從LGPL 和 MPL協(xié)議，所以基本上能夠可以隨意使用。OpenPDF是基于iTEXT的，目前來說也是維護的比較好的Java操作PDF的開源軟件。

話不多說，且看所需要的依賴，

<dependency>    
    <groupId>org.jsoup</groupId>    
    <artifactId>jsoup</artifactId>   
    <version>1.13.1</version> 
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-core</artifactId>
    <version>1.0.6</version>
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-pdfbox</artifactId>
    <version>1.0.6</version>
</dependency>

jsoup可以將html文件轉(zhuǎn)換成輸入流等，也可以遍歷html的DOM節(jié)點，提取元素及樣式等。

2. 示例

本篇示例將以下html文件轉(zhuǎn)換成pdf

<html>
<head>
    <style>
        .center_div {
            border: 1px solid #404e94;
            margin-left: auto;
            margin-right: auto;
            background-color: #f6d0ed;
            text-align: left;
            padding: 8px;
        }
        table {
            width: 100%;
            border: 1px solid black;
        }
        th, td {
            border: 1px solid black;
        }
        body,html,input{font-family:"msyh";}
    </style>
</head>
<body>
<div class="center_div">
    <h1>Hello java North!</h1>
    <div>
        <p>convert html to pdf.</p>
    </div>
    <div>
        <table>
            <thead>
                <th>ROLE</th>
                <th>NAME</th>
                <th>TITLE</th>
            </thead>
            <tbody>
                <tr>
                    <td>MARKSMAN</td>
                    <td>ASHE</td>
                    <td>THE FROST ARCHER</td>
                </tr>
                <tr>
                    <td>MAGES</td>
                    <td>ANNIE</td>
                    <td>THE DARK CHILD</td>
                </tr>
                <tr>
                    <td>射手</td>
                    <td>凱塔琳</td>
                    <td>皮城女警</td>
                </tr>
            </tbody>
        </table>
    </div>
</div>
</body>
</html>

以上html用瀏覽器打開如下，亂碼是因為中文字體不識別，下面轉(zhuǎn)換的時候會加載對應(yīng)的字體來進行轉(zhuǎn)換。

使用Java轉(zhuǎn)換HTML到PDF代碼如下：

public class HtmlToPDFOpenSource {
    public static void main(String[] args) throws IOException {
        HtmlToPDFOpenSource htmlToPDFOpenSource = new HtmlToPDFOpenSource();
        htmlToPDFOpenSource.generatePdfByOpenhtmltopdf();
    }

    private  void generatePdfByOpenhtmltopdf() throws IOException {
        File inputHtml = new File("E:\\javaNorth\\java-study-note\\javaOpenSource\\src\\main\\resources\\test.html");

        //加載html文件
        Document document = Jsoup.parse(inputHtml, "UTF-8");
        document.outputSettings().syntax(Document.OutputSettings.Syntax.html);
        
        //引入資源目錄，可以單獨引入css，圖片文件等
        String baseUri = FileSystems.getDefault()
            .getPath("javaOpenSource\\src\\main\\resources")
            .toUri().toString();
       
        try (OutputStream os = new FileOutputStream("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf")) {
            PdfRendererBuilder builder = new PdfRendererBuilder();
            builder.withUri("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf");
            builder.toStream(os);
            builder.withW3cDocument(new W3CDom().fromJsoup(document), baseUri);
            
            //引入指定字體，注意字體名需要和css樣式中指定的字體名相同
            builder.useFont(new File("javaOpenSource\\src\\main\\resources\\fonts\\msyh.ttf"),"msyh",1,BaseRendererBuilder.FontStyle.NORMAL, true);
            builder.run();
        }
    }
}

使用Java代碼轉(zhuǎn)換成PDF如下（示例中使用了微軟雅黑中文字體）：

上述html文件中增加如下外部樣式：

<link href="style.css" rel="stylesheet">

并在resources目錄下添加style.css文件，重新生成PDF文件如下。

3. 總結(jié)

本片介紹了使用OpenPDF將html文件轉(zhuǎn)換成PDF文件。同時也使用了自定義字體，外部樣式。但是以下幾點需要格外注意。

Java代碼中加載的字體名稱要和HTML引用的CSS樣式中的字體名相同（{font-family:"msyh";}）。
HTML文件標(biāo)簽節(jié)點必須閉合（<xxx></xxx>）.否則解析會失敗。

全部示例在此：https://github.com/javatechnorth/java-study-note/tree/master/javaOpenSource/src/main/java/pdf

文章來源：Java技術(shù)指北

在線咨詢

上一篇：真正的 C++ 殺手不是 Rust
下一篇：怎么制作HTML5頁面讓它適應(yīng)電腦和手機的尺寸？

您的項目需求

*請認(rèn)真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。

整合營銷服務(wù)商

把HTML轉(zhuǎn)成PDF的4個方案及實現(xiàn)方法

1. OpenPDF

2. 示例

3. 總結(jié)

您的項目需求