pdf生成：puppeteer

一、Puppeteer

Puppeteer是Google Chrome团队出品的一款无界面Chrome工具，它提供了丰富的API，让开发者像鼠标一样控制浏览器的各种行为。

Puppeteer是一个Node库，提供发了一个高级API来通过DevTools协议控制Chromium或Chrome。

Puppeteer默认以 headless模式（以命令行接口的方式）运行，但是可以通过修改配置文件运行 non-headless 模式。

Puppeteer本身依赖 6.4 以上的node，但是为了异步超级好用的 async/await，推荐使用7.6版本以上的Node。另外headless Chrome本身对服务器依赖的库的版本要求比较高。所以 尽量安装最新版本的node 。

用途：

1）生成网页截图或者 PDF

2）高级爬虫，可以爬取大量异步渲染内容的网页

3）模拟键盘输入、表单自动提交、登录网页等，实现 UI 自动化测试

4）捕获站点的时间线，以便追踪你的网站，帮助分析网站性能问题

二、安装

2.1、npm安装

1、安装chrome依赖

apt install -y libglib2.0-dev libnss3 libatk1.0-0 libatk-bridge2.0-0 libcups2 libdrm2 libxcomposite1 libxdamage1 libxfixes3 libxrandr2 libgbm-dev libpango1.0-0 libasound2 libxshmfence1 libxkbcommon0 libcairo2

2、安装 nodejs 与 npm

apt-get install nodejs npm

但这种方法安装的版本可能偏低，影响后续的包安装。按照下面的链接里的步骤安装https://linuxize.com/post/how-to-install-node-js-on-ubuntu-18.04/#1-installing-nvm-node-version-manager-script

1、curl -sL https://deb.nodesource.com/setup_14.x | sudo -E bash -  # -s参数将不输出错误和进度信息；-L参数会让 HTTP 请求跟随服务器的重定向。curl 默认不跟随重定向。
2、sudo apt-get install -y nodejs
3、node --version  # v14.21.1
4、npm --version   # 6.14.17

3 、安装 puppeteer

npm install -g puppeteer --unsafe-perm=true # 要加--unsafe-perm=true否则会提示权限不足

安装路径：/usr/lib/node_modules/puppeteer

当您安装Puppeter时，它会自动下载最新版本的Chromium（~170MB的macOS、~282MB的Linux、~280MB的Windows），保证可以与Puppeter一起使用。

2.2、docker安装 Docker | Puppeteer

docker pull ghcr.io/puppeteer/puppeteer:latest   # pulls the latest
docker pull ghcr.io/puppeteer/puppeteer:16.1.0 # pulls the image that contains Puppeteer v16.1.0

该映像用于在sandbox模式下运行浏览器，因此，运行该映像需要SYS_ADMIN功能。

使用：

docker run -i --init --cap-add=SYS_ADMIN --rm ghcr.io/puppeteer/puppeteer:latest node -e "$(cat path/to/script.js)"  #path/to/script.js是相对于工作目录的路径

三、使用Puppeteer Request Interception | Puppeteer

Puppeteer 使用起来和其他测试框架类似。创建一个 Browser 示例，打开页面，然后使用 Puppeteer API。

Puppeteer 初始化的屏幕大小默认为 800px x 600px。但是这个尺寸可以通过 Page.setViewport() 设置。

3.1、示例 - 跳转到https://www.baidu.com/，保存截图至 example.png，同时保存为pdf


const puppeteer = require('/usr/lib/node_modules/puppeteer');
(async() => {
    const browser = await puppeteer.launch({
        headless: true,
        args: [
            '--no-sandbox',             // 沙盒模式
            '--disable-dev-shm-usage',  // 创建临时文件共享内存
            '--disable-setuid-sandbox',  // uid沙盒
            '--disable-gpu',            // GPU硬件加速
            '--disable-web-security',   // 关闭chrome的同源策略
            '--no-first-run',          // 没有设置首页。在启动的时候，就会打开一个空白页面
            '--single-process'         // 单进程运行
        ]
    });
    const page = await browser.newPage();
    await page.goto('百度一下，你就知道', { waitUntil: 'networkidle0'}); //设置 waitUntil: 'networkidle0'选项表示Puppeteer已经导航到页面并结束
    await page.screenshot({path: 'example.png'});
    await page.pdf({
        path: 'example.pdf',
        format: 'A4',
    });
    await browser.close();
})().catch(error => {
    console.error(error);
    process.exit(1);
});

执行命令node example.js：

3.2、示例 - 通过html字符串生成pdf

const html = `<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="UTF-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />·
    <title>Document</title>
    <style>
      html {
        line-height: 1.15;
        -webkit-print-color-adjust: exact;
      }
      body {
        margin: 0;
        font-family: "Times New Roman",'宋体';
        font-weight: 400;
      }
    </style>
  </head>
  <body>
    <div>页面Dom</div>
  </body>
</html>`
const puppeteer = require('/usr/lib/node_modules/puppeteer')
async function printPDF() {
  const browser = await puppeteer.launch({
        headless: true,
        args: [
            '--no-sandbox',             // 沙盒模式
            '--disable-dev-shm-usage',  // 创建临时文件共享内存
            '--disable-setuid-sandbox',  // uid沙盒
            '--disable-gpu',            // GPU硬件加速
            '--disable-web-security',   // 关闭chrome的同源策略
            '--no-first-run',          // 没有设置首页。在启动的时候，就会打开一个空白页面
            '--single-process'         // 单进程运行
        ]
    });
  const page = await browser.newPage()
  await page.setContent(html, {waitUntil: 'networkidle0'})
  await page.pdf({ path: 'test.pdf', format: 'A4'})
  await browser.close()
}

printPDF()

执行js，生成test.pdf文件：

3.3、示例 - html动态加载json文件，生成pdf

tree `pwd` -a --dirsfirst查看目录结构：

json数据：input.json： 403行，19.3kb

html文件：html/content.html

加载js文件：

加载json数据：

json_html_2_pdf.js

const puppeteer = require('/usr/lib/node_modules/puppeteer');
(async() => {
    const browser = await puppeteer.launch({headless: true,args: ['--no-sandbox', '--disable-dev-shm-usage', '--disable-gpu', ' --test-type', '--disable-web-security']});
    const page = await browser.newPage();
    await page.goto('file:///home/zhang/Desktop/puppeteer_zq/firmware/html/content.html', { waitUntil: 'networkidle0'}); //设置 waitUntil: 'networkidle0'选项表示Puppeteer已经导航到页面并结束
    await page.pdf({
        path: 'firmware.pdf',
        format: 'A4',
        printBackground: true  // 加这行pdf文件的背景才会显示
    });
    await browser.close();
})().catch(error => {
    console.error(error);
    process.exit(1);
});

执行node json_html_2_pdf.js生成pdf文件。ok

》》更换json文件：32123行，1.40MB

运行出错： TimeoutError: waiting for Page.printToPDF failed: timeout 30000ms exceeded

默认超时时间30000ms ，设置不超时 timeout: 0 ：

const puppeteer = require('/usr/lib/node_modules/puppeteer');
(async() => {
    const browser = await puppeteer.launch({
        headless: true,
        args: [
            '--no-sandbox',   // 沙盒模式
            '--disable-dev-shm-usage',  // 创建临时文件共享内存
            '--disable-gpu',   // GPU硬件加速
            '--test-type', 
            '--disable-web-security'  // 关闭chrome的同源策略
        ]
    });
    const page = await browser.newPage();
    await page.goto('file:///home/zhang/Desktop/puppeteer_zq/firmware/html/content.html', { waitUntil: 'networkidle0'}); //设置 waitUntil: 'networkidle0'选项表示Puppeteer已经导航到页面并结束
    await page.pdf({
        path: 'firmware.pdf',
        format: 'A4',
        printBackground: true,  // 加这行pdf文件的背景才会显示
        displayHeaderFooter: false, // 显示页眉和页脚。默认为False
        timeout: 0,   // 无穷大，不超时
    });
    await browser.close();
})().catch(error => {
    console.error(error);
    process.exit(1);
});

执行node json_html_2_pdf.js生成pdf文件。ok

》》但在容器中运行又报错：

UnhandledPromiseRejectionWarning: ProtocolError: Protocol error (Page.printToPDF): Printing failed

容器内node版本：v14.20.0