gagayuan / runoob-PDF-

爬取菜鸟教程网站并转PDF__python_crawer_by_chrome

功能

此脚本用来下载runoob教程为pdf文件,可用来给学习者打印或者离线学习.pdf文件已经下载至 runoob 文件夹.若想下载至您的本地,请运行 python3 runoob_crawl.py

您可设置pdf内样式

在clean.js设置html的字体,宽度,样式,再保存到pdf

运行时会包含的错误:

ERROR:gpu_process_transport_factory.cc(967)] Lost UI shared context 这是chrome内在一个小bug,新版本已经修复.

html网页转换至pdf的一些尝试:

• 用selenium只能下载一张长图pdf,很不完美.
• 用phantomjs可以下载文字可选中的pdf,但是不能分页,pdf高度也难以设置
• google-chrome --print-to-pdf 保存pdf非常好用,pdf会自动分页.
• 用merge_pdf_with_toc.py来合并pdf,并可添加TOC,非常强大.(参考的国外牛人)
• 谢谢@flyfreeme的提醒，导致消失的原因是jquery，加了行sed -i '/<script.jquery.</script>/d' ./full_page/$page_pr.html解决了。