add 单个网页导出为pdf

[congmingyige]

我遇到的问题是

想用笔记软件（比如iPad GoodNotes）阅读并做笔记，比如中午在宿舍查看。

我希望能有这样的解决方案

把网址上的所有html网页转为pdf

我觉得其他这些方案也可以接受

我之前未完成的处理方案：
功能：

1. https://oi-wiki.org/ 一个网页下的所有网页转为pdf，放置于相应位置
2. 该程序执行多次(以防出错)

语言：Python

思考：

1. 是否有软件，导出所有html

待完成：

1. 网页更新下的处理

版本：
2021.3.31 ver1 cgb

我这边：

1. pdfkit.from_file 有问题
2. pdfkit.from_url 当前路径文件不能处于打开状态

用户操作：

1. 安装pdfkit和path_wkthmltopdf
2. GitHub下载项目，放置于path_read
   注意：不要有中文

import pdfkit
import os

path_wkthmltopdf = r'C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe'
config = pdfkit.configuration(wkhtmltopdf=path_wkthmltopdf)
## 输入路径
path_read=r'D:\OI-wiki'
## 输出路径
path_write=r'D:\OI-wiki_to_pdf'
## 是否有修改(判断是否再操作一次)
vis=0
## 允许重复操作次数
times=10
while vis==0 and times>0:
    website_dir=r'https://oi-wiki.org/'
    for root,dirs,files in os.walk(path_read):
        for file in files:
            ## 关注所有index.html
            if file=='index.html':
                category_1=os.path.join(root,file)[len(path_read)+1:-5]
                
                ## 这个网址的特点：如果当前文件夹只有一个文件，则路径往前提
                if len(files)+len(dirs)==1:
                    # name_1=os.path.basename(root)
                    path_1=os.path.join(path_write,os.path.dirname(category_1)+'.pdf')
                else:
                    path_1=os.path.join(path_write,category_1)+'.pdf'
                ## 所有'\\'改为'/'，否则不对
                website_1=os.path.join(website_dir,category_1)+'.html'
                website_1=website_1.replace('\\','/')
                if not os.path.exists( os.path.dirname(path_1) ):
                    os.makedirs(os.path.dirname(path_1))
                
                print(website_1,path_1) ## 持续输出，用于检查是否有问题
                
                ## todo 能否判断网页是否存在
                
                ## 再次处理(判断是否存在)
                if not os.path.exists(path_1) or os.path.getsize(path_1)<4000:
                    try:
                        pdfkit.from_url(website_1,path_1,configuration=config)
                        vis=1
                    except:
                        pass
    times-=1
    ## 总大小440MB
    
    ## todo 测试文件是否一一对应
            

问题1:

https://oi-wiki.org/basic/interaction/index.html D:\OI-wiki_to_pdf\basic\interaction.pdf
Loading pages (1/6)
Warning: A finished ResourceObject received a loading finished signal. This might be an indication of an iframe taking too long to load.
Warning: A finished ResourceObject received a loading progress signal. This might be an indication of an iframe taking too long to load.
Counting pages (2/6)
Resolving links (4/6)                                                       
Loading headers and footers (5/6)                                           
Printing pages (6/6)

有时候有些文件很小，2KB

解决1:
再次处理

解决2:
看内容，发现 <script type="text/javascript">location.href="/graph/cut"</script> 的跳转
todo 那么需要模拟浏览器访问网页才行

问题2:

OSError: wkhtmltopdf exited with non-zero code 3221226505. error:
Loading pages (1/6)
[=====================================================>      ] 89%

解决2：
会暂停操作
try except

问题3:
卡在 https://oi-wiki.org/graph/tree-diameter/index.html D:\OI-wiki_to_pdf\graph\tree-diameter.pdf

不知道为什么，可能是一直在连接网页中

解决3：

1. 重新操作
2. （之后）模拟浏览器运行，设置限制响应时间
   如 https://www.jb51.net/article/141647.htm

[welcome]

感谢你对 OI Wiki 的关注！记得在 Issue 中表达清楚自己的意思哦～

[Enter-tainer]

@congmingyige see https://github.com/OI-wiki/OI-Wiki-export

GitHub

OI-wiki/OI-Wiki-export

将 OI-Wiki 导出为印刷质量的 pdf 的工具. Contribute to OI-wiki/OI-Wiki-export development by creating an account on GitHub.

[Enter-tainer]

我们目前有全量导出的方案，但是单个页面的导出目前好像暂时还没有解决

[congmingyige]

谢谢！很有用！

…

------------------ 原始邮件 ------------------ 发件人: "OI-wiki/OI-wiki" ***@***.***>; 发送时间: 2021年4月1日(星期四) 凌晨0:19 ***@***.***>; ***@***.******@***.***>; 主题: Re: [OI-wiki/OI-wiki] add 网页转成pdf，方便做笔记 (#3085) @congmingyige see https://github.com/OI-wiki/OI-Wiki-export — You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or unsubscribe.

[NachtgeistW]

额，你不介意的话可以试一下Ctrl+P……