一种实时网页数据转换成PDF文件的方法与流程

本发明涉及网页处理应用，具体涉及一种实时网页数据转换成pdf文件的方法，尤其适用于任何站点网页实时转换成pdf的应用领域。

背景技术：

1、目前，在java技术栈中业内常用的html转pdf有itext和wkhtmltopdf两种技术方案。itext是apache组织下使用最广泛的pdf工具，但是有很大的性能瓶颈并且遇到复杂的样式就会转换失败。wkhtmltopdf是github上开源一种框架、性能比itext好遇到复杂样式也能很好转换，但是它需要依赖第三方组件并且不支持html中响应式布局。

2、以上两个框架还有一个共同的问题就是需要先生成行内样式的静态html才能转换，这样无法做到实时html转换。

3、因此，基于现有的技术栈，如何来解决用户的这种困扰，是一个值得关注的技术问题。

4、申请人在思考该问题时发现，大部分移动互联网都是基于react技术做的响应式布局网页，都完美兼容chrome内核浏览器访问，如果能借用chrome内核api的能力来转换pdf，就完美解决性能、复杂样式、响应布局等棘手技术问题。让html转pdf显得非常有价值。

技术实现思路

1、为了解决现有技术在转换过程中普遍存在的问题有内存溢出、字体问题、图像问题、安全性问题、性能问题等的问题，本发明的目的在于提供一种实时网页数据转换成pdf文件的方法，该发明结合app服务端和chrome浏览器的功能，实现了一种可以实时将网页数据转换为pdf文件的有效方法。

2、本发明通过以下技术方案来实现上述目的：

3、一种实时网页数据转换成pdf文件的方法，该方法包括以下步骤：

4、将已开发完成的网页页面数据对应的网页网址部署到app服务端提供的站点上，确保网页可以通过公共url访问；

5、提交pdf转换请求，将包含目标网页url的pdf转换请求发送到app服务器；

6、在app服务器收到pdf转换请求后，检查本地是否已下载chrome浏览器；

7、若本地存在chrome浏览器，设置chrome无厘头模式，配置浏览器参数用于适配pdf生成所需的头部建设；

8、指定pdf文件的存放路径，调用chrome浏览器的page.printtopdf函数来渲染目标网页为pdf文件，并将该pdf文件发送给app客户端。

9、根据本发明提供的一种实时网页数据转换成pdf文件的方法，若本地没有下载chrome浏览器，则根据预设的网络地址下载安装包，并安装到指定位置。

10、根据本发明提供的一种实时网页数据转换成pdf文件的方法，在设置chrome无厘头模式时，创建puppeteer代理；设置浏览器启动的参数对象中；创建chrome提取器对象；将chrome提取器对象传入浏览器启动的参数对象中创建浏览器对象；发送target.createtarge获取浏览器中创建好的网页对象。

11、根据本发明提供的一种实时网页数据转换成pdf文件的方法，当chrome浏览器对象创建成功后，设置浏览器上下文id，调用chrome中的target.createtarget方法函数来获取浏览器中创建好的网页对象；

12、基于浏览器中创建好的网页对象，导航到需要转换的html网页地址，等待浏览器导航完成。

13、根据本发明提供的一种实时网页数据转换成pdf文件的方法，在等待浏览器导航完成时，等待导航的阶段结果依次为load事件触发->domcontentloaded事件触发->newworkidle0事件触发->networkidle2事件触发。

14、根据本发明提供的一种实时网页数据转换成pdf文件的方法，当网页创建成功后设置pdf转换参数；

15、在创建pdf文件存放路径后，将该路径传入到创建好的网页对象中；

16、调用chrome浏览器page.printtopdf函数执行pdf转换。

17、根据本发明提供的一种实时网页数据转换成pdf文件的方法，所述pdf转换参数包括转换pdf宽高、上下左右间距、转换模型、是否横屏、隐藏头和脚、头模版、脚模版、是否背后打印、缩放比例、指定pdf文件在页面范围、指定首选的css页面大小、制作范围以及页码范围。

18、根据本发明提供的一种实时网页数据转换成pdf文件的方法，在执行pdf转换之前，清除chrome浏览器的缓存，确保每次都从服务器获取最新的网页内容。

19、根据本发明提供的一种实时网页数据转换成pdf文件的方法，还执行：

20、在启动pdf转换之前，首先检查设备的网络连接状态，确保网络稳定并满足转换需求，并添加网络异常的捕获逻辑，当网络错误发生时，自动重试一定次数，以提高转换成功率。

21、根据本发明提供的一种实时网页数据转换成pdf文件的方法，还执行：

22、当pdf转换请求量很大时，将耗时的pdf转换操作放到后台使用消息队列或任务队列进行异步处理；

23、其中，创建一个或多个消息队列或任务队列来管理pdf转换任务；

24、使用优先级队列来确保重要的或紧急的转换任务能够优先得到处理；

25、实时监控服务器的负载情况和队列的长度，以便及时发现潜在的过载问题；

26、若发现服务器负载过高或队列长度过长，增加服务器资源或使用负载均衡技术将请求分发到多台服务器上。

27、由此可见，相比于现有技术，本发明具有以下有益效果：

28、1、实时性：由于转换过程发生在服务器端，用户可以实时提交网页url并立即获取对应的pdf文件，无需等待长时间的处理或渲染；

29、2、兼容性：使用chrome浏览器进行渲染和转换可以确保网页内容在转换为pdf时能够保持较高的兼容性，因为chrome支持多种网页标准和格式；

30、3、无厘头模式(headless mode)：通过设置chrome的无厘头模式，可以在没有图形界面的情况下运行浏览器，这大大减少了系统资源的消耗，提高了转换效率；

31、4、灵活性：通过配置浏览器参数，可以针对pdf生成进行特定的设置，如页眉页脚、页边距、纸张大小等，从而生成符合需求的pdf文件；

32、5、高保真：由于直接使用chrome浏览器进行渲染，所以转换后的pdf文件能够较好地保留原始网页的样式、布局和交互性元素，保证转换的高保真度；

33、6、自动化：整个转换过程可以在服务器端自动完成，无需用户手动操作，大大提高了工作效率；

34、7、可扩展性：该方法可以很容易地集成到现有的app或系统中，通过提供api接口，其他应用或服务也可以方便地调用该转换功能；

35、8、安全性：通过app服务端控制pdf转换过程，可以更好地保护用户数据的安全性，避免在客户端进行敏感操作可能带来的风险；

36、9、跨平台性：由于chrome浏览器支持多种操作系统，因此该方法可以在不同的平台上实现网页到pdf的转换，具有良好的跨平台性；

37、10、可定制性：可以根据具体需求定制pdf文件的输出格式、分辨率、颜色模式等参数，以满足不同场景下的使用需求。

38、11、提升网页渲染速度：网页中样式可复用、无需写行内样式，不会造成代码臃肿，轻量简洁提升网页渲染速度大大提升用户体验。

39、12、在转换pdf时对cpu无要求，移动互联网下前端工程师无需写两份网页来适配pc和手机端样式。

40、下面结合附图和具体实施方式对本发明作进一步详细说明。