wktmltopdf工具是使用Webkit引擎来将HTML网页转换为PDF文件。其可以将一个URL对应的网页转换为HTML,也可以将存在本地的一个html 文件转换为 pdf 文件。其在应用中有两个优势:1、该软件是开源免费软件;2、该软件支持linux\windows\macos 这些常用的平台。
一、安装
这里以windows为例(本想在 linux 下测试,但在中文时乱码,需要安装对应的中文字库),打开 /wkhtmltopdf/wkhtmltopdf/releases/ 地址下载最新版本。直接下一步下一步即可,安装完成后,想在直接CMD下键入命令就可以使用,还需要配置环境变量:
二、测试使用
在CMD命令行下,可以使用如下命令进行测试:
wkhtmltopdf / D:\baidu.pdf //网络页面
wkhtmltopdf test.html test.pdf //本地HTML页面
# 指定源html编码为utf8,并给转换后的pdf文件加上页眉页脚信息
wkhtmltopdf --encoding utf8 --header-center 访问获取更多信息 --footer-center email至itybku@交流 test.html out.pdf
批量转换
这个是针对单个文件的,我使用python采集了一批html 页面,想全部转换为HTML也很方便,这里使用了下powershell 代码:
Get-ChildItem *.html |ForEach-Object -Process{
$newname=($_.name.Split(".")[0] + '.pdf');
wkhtmltopdf --encoding utf8 --header-center 访问获取更多信息 --footer-center email至itybku@交流 $_.name $newname
}
虽然很快,不过还是吐槽下powershell 语法很烂,和python的可读性相比,差太多了。当时也是有点脑抽,想到使用powershell 实现批量,哈哈!
三、关于乱码问题
出现乱码问题,一般是两种可能:一、是字体库不存在该可用的字体;一种是编码不对。一般后者比较多。字体不在这个就没什么好说的了,安装下字体就行了。看编码不对的问题,可以通过如下两种方法解决:
1、在html 指定编码
我采集下来的html 文件,去掉了很多无用的内容,所以不包含编码信息,这里在第一行加入如下内容:
注意,这里一定要是第一行,我尝试加到后面,发现仍会乱码。
2、指定参数
wkhtmltopdf工具本身,有提供--encoding 参数,在该参数后面,指定对应的编码即可。