讲师中心 微信公众号
AI工具推荐 视频效率加速

Python怎么将抓取的HTML页面保存为本地PDF_使用pdfkit库结合wkhtmltopdf

浅辰小哥_3326

浅辰小哥_3326

发布时间:2026-04-25 20:42:18

|

1069人浏览过

|

来源于php中文网

原创

pdfkit报“No wkhtmltopdf executable found”错,因pdfkit不带渲染引擎,需单独安装wkhtmltopdf并配置PATH;中文乱码需HTML声明UTF-8、指定中文字体、启用local-file-access;动态页面需换Playwright等无头浏览器。

python怎么将抓取的html页面保存为本地pdf_使用pdfkit库结合wkhtmltopdf

pdfkit.save_file() 为什么报错 No wkhtmltopdf executable found

根本原因是 pdfkit 本身不带渲染引擎,必须单独安装 wkhtmltopdf 二进制程序,并让 Python 找得到它。常见错误现象是调用 pdfkit.from_url() 或 pdfkit.from_string() 时直接抛出 No wkhtmltopdf executable found。

解决办法不是 pip install pdfkit 就完事——那是纯 Python 包,没用:

  • macOS:用 brew install wkhtmltopdf;装完后执行 which wkhtmltopdf 确认路径(通常是 /opt/homebrew/bin/wkhtmltopdf 或 /usr/local/bin/wkhtmltopdf)
  • Windows:去 官网下载 exe 安装包,勾选「Add to PATH」;若没勾,就手动把安装目录(如 C:\Program Files\wkhtmltopdf\bin)加进系统环境变量 PATH
  • Linux(Ubuntu/Debian):运行 sudo apt-get install wkhtmltopdf;CentOS/RHEL 用 yum install wkhtmltopdf 或 dnf install wkhtmltopdf

验证是否生效:终端里直接敲 wkhtmltopdf --version 能输出版本号,Python 才可能调用成功。

pdfkit.from_string() 保存中文 HTML 乱码怎么办

核心问题是 wkhtmltopdf 默认不加载中文字体,且 HTML 缺少正确声明。即使源页面用了 UTF-8,PDF 渲染仍会丢字或显示方块。

立即学习“Python免费学习笔记(深入)”;

必须同时满足三个条件:

  • HTML 字符串开头显式声明编码:<meta charset="UTF-8">,不能只靠 HTTP header
  • 在 <style> 中指定支持中文的字体族,例如:body { font-family: "SimSun", "Noto Sans CJK SC", sans-serif; }
  • 调用 pdfkit.from_string() 时传入 options 参数启用本地字体支持:{"enable-local-file-access": ""}(否则 CSS 文件或本地字体路径会被拒绝)

示例片段:

python-code-analyz
python-code-analyz

专业Python代码分析与优化,支持语法检查、安全扫描、性能评估、复杂度分析及重构后优化代码生成。

下载
html = '''
<html>
<head><meta charset="UTF-8">
<style>body { font-family: "SimSun", sans-serif;}</style>
</head>
<body>你好,世界</body>
</html>
'''
pdfkit.from_string(html, 'output.pdf', options={"enable-local-file-access": ""})

用 pdfkit.from_url() 抓取动态渲染页面失败

pdfkit.from_url() 底层调用的是 wkhtmltopdf 的同步快照机制,它不执行 JavaScript。如果你抓的是 Vue/React 渲染的 SPA 页面,或者依赖 AJAX 填充内容的站点,生成的 PDF 很可能只有空壳或 loading 状态。

这不是配置问题,是工具能力边界:

  • 不要指望 pdfkit + wkhtmltopdf 处理 JS 渲染内容
  • 真实需求是“保存最终可视页面”,应换用无头浏览器方案:playwright 或 pyppeteer 先等 JS 执行完毕,再调用 page.pdf()
  • 如果只是静态 HTML(比如爬虫已拿到完整 HTML 字符串),用 from_string() 更可控、更快

顺带一提:wkhtmltopdf 对某些现代 CSS(如 Grid、flex gap)兼容性较差,生成效果可能和浏览器 DevTools 不一致,建议导出前先用 Chrome 手动另存为 PDF 对比。

生成 PDF 文件体积过大或超时崩溃

常见于含大量图片、内联 Base64、或未压缩 CSS/JS 的 HTML。默认情况下 wkhtmltopdf 会尝试加载所有资源(包括远程图片),网络卡顿或资源 404 都会导致超时或空白页。

关键控制点:

  • 用 --load-error-handling ignore 忽略图片/脚本加载失败(加在 options 字典里,键为 load-error-handling,值为 ignore)
  • 限制图片尺寸:CSS 中强制 img { max-width: 100%; height: auto; },避免高分屏下原始大图被直接嵌入
  • 禁用远程资源:设 options["enable-local-file-access"] = "" 并确保 HTML 中所有资源(CSS、字体、图片)都转为本地相对路径或 data URI
  • 超时时间默认是 0(不限),但实际建议设为 "timeout": "60"(单位秒),防止挂死

真正难搞的是字体嵌入——wkhtmltopdf 不会自动打包 Web 字体(WOFF/WOFF2),必须提前转成系统可读的 TTF/OTF 并用 @font-face 指向本地路径,否则 fallback 字体可能撑大文件或失真。

热门AI工具

更多
UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1671

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

4144

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1669

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

23957

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2927

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2967

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1143

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

596

2023.08.10

LLVM自定义Pass怎么写
LLVM自定义Pass怎么写

本专题聚焦LLVM自定义Pass开发,整理Pass类结构、run()方法、PreservedAnalyses、CMake构建、插件注册、-load-pass-plugin加载和测试用例编写流程。

80

2026.09.30

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn