AI教程网 - 未来以来,拥抱AI;新手入门,从AI教程网开始......

关于 wkhtmltopdf:html 转 pdf 的命令行工具

html转化为pdf AI君 13℃

一、什么是 wkhtmltopdf?

wkhtmltopdf 是一个开源的,使用Qt WebKit 渲染引擎,把 html 转换为 pdf 文件的命令行工具。wkhtmltopdf 还有一个双胞胎兄弟 wkhtmltoimage,顾名思义,它可以把 html 转换为 image 图片。

简单的讲,wkhtmltopdf 用于把网页转换成 pdf 文件。

详情可以参考:
官网
github地址


二、简单使用

1. 下载

下载对应操作系统的安装文件:下载地址

2. 使用

安装成功后就可以通过命令来直接使用了,它的命令格式为

wkhtmltopdf [GLOBAL OPTION]... [OBJECT]... <output file>

[GLOBAL OPTION] 是用来添加全局参数的区域,[OBJECT] 是用来添加 wkhtmltopdf 对象(wkhtmltopdf 把对象分为 3 类,后文有详细内容)的区域,如果有多个对象,则按顺序放入。<output file>则用以指定输出的 PDF 文件。

3. 示例

使用默认参数,把 csdn 网页转为 pdf 的示例如下:

➜  ~ wkhtmltopdf https://www.csdn.net /Users/kevin/Desktop/csdn.pdf
Loading pages (1/6)
QFont::setPixelSize: Pixel size <= 0 (0)                     ] 61%
Counting pages (2/6)
Resolving links (4/6)
Loading headers and footers (5/6)
Printing pages (6/6)
Done
➜  ~

三、对象和参数详解

三类对象

命令 wkhtmltopdf [GLOBAL OPTION]... [OBJECT]... <output file> 中,OBJECT 表示一个对象。在 wkhtmltopdf 中,wkhtmltopdf 可以把多个对象输出到文件中,其中每个对象可以是页面对象,封面对象和大纲对象。对象按照命令行中的顺序,输出到pdf的结果文件里。

1. 页面对象

页面对象使用以下方式将单个网页的内容放入输出文档中

(page)? <input url/file name> [PAGE OPTION]...

(page)? 表示 page可以省略不写,即在不标明的时候,默认为页面对象。为页面对象所设置的参数可以被放置在全局参数域([GLOBAL OPTIONS])和页面参数域([PAGE OPTIONS])中,程序会根据实际情况在所有参数中找到合适的参数应用到页面、页眉和页脚。

2. 封面对象

封面对象可以简单理解为是特殊的页面对象,能在页面对象上使用的参数,在封面对象上也都能使用。
区别在于:

  1. 封面对象输出的页面不会在TOC中出现
  2. 封面对象输出的页面不会包含页眉和页脚

封面对象的使用方式为

cover <input url/file name> [PAGE OPTION]...

3. 大纲对象

toc 是 table of content 的缩写,就是目录的意思,该对象会在输出文档中加入目录。其使用方式为

toc [TOC OPTION]...

所有能够在页面对象中使用的参数都可以用到大纲对象,并且还有许多的针对大纲对象的参数可以应用到大纲对象中。大纲是通过 XSLT 生成的,这意味着它可以被定义成任何你想看到的样子。可以通过命令行参数 –dump-default-toc-xsl 输出默认的 XSLT 文档,通过 –dump-outline 命令行参数也可指定以 XML 格式输出当前处理文档的目录到指定文件。后文会有详细的参数介绍

五类参数

:以下参数信息基于 wkhtmltopdf 2018 年 6 月 11 号发布的 0.12.5 版本,其他版本可以到官网查看具体信息

命令行选项有两种:
选项可以基于每个对象或在全局中指定选项区域。
“全局选项”部分中的选项只能放置在全局选项区域
而额外的命令行选项可以为每一个对象指定或在全局区域(GLOBAL OPTION)中进行全局指定

下列说明中的全局选项只能被放置在全局区域

1. 全局参数

参数 说明
--collate 输出多个副本时进行校验(默认设置)
--no-collate 输出多个副本时不进行校验
--cookie-jar <path> 从提供的cookie jar文件中读取和写入cookie
--copies <number> 要打印到PDF文件中的副本数(默认值为1)
-d, --dpi <dpi> 显式更改dpi(dpi即分辨率,但此参数对基于x11的系统没有影响,默认值为96)
-H, --extended-help 显示更详细的帮助,即更详细版本的 -h 命令
-g, --grayscale 以灰度的形式生成 PDF(彩色的更占空间,另外,有些特殊需求可能也只要灰度的PDF)
-h, --help 显示帮助文档
--htmldoc 以html的形式输出帮助文档
--image-dpi <integer> 当页面嵌入图像时,将它们缩小到指定的dpi尺寸(默认值600)
--image-quality <integer> 当使用jpeg算法压缩图像时,使用指定的图片质量(默认值94)
--license 输出授权信息并退出
--log-level <level> 在以下级别中指定日志级别:none, error, warn,info(默认)
-l, --lowquality 生成低质量的PDF/PS,对缩小结果文档大小,节约空间有较好帮助
--manpage 输出程序的手册页
-B, --margin-bottom <unitreal> 设置页面下边距
-L, --margin-left <unitreal> 设置页面左边距(默认10mm)
-R, --margin-right <unitreal> 设置页面右边距(默认10mm)
-T, --margin-top <unitreal> 设置页面上边距
-O, --orientation <orientation> 将方向设置为“横向(Landscape)”或“纵向(Portrait)”模式,默认是纵向(Portrait)
--page-height <unitreal> 页面高度
-s, --page-size <Size> 设置页面大小为A4(默认值),Letter等
--page-width <unitreal> 页面宽度
--no-pdf-compression 不对PDF使用无损压缩算法(无损压缩不会对文件造成很大损失,此参数非必要不使用)
-q, --quiet 减少冗长,保持向后兼容性;与使用–log level none相同,即静态模式,不在标准输出中打印任何信息
--read-args-from-stdin 从stdin1读取命令行参数
--readme 输出程序的readme文档
--title <text> 生成的PDF文件的标题(如果未指定,则使用第一个文档的标题)
-V, --version 输出版本信息并退出

2. 大纲参数

注:PDF的大纲会根据HTML的标题和标签自动生成

参数 说明
--dump-default-toc-xsl 输出默认的 TOC xsl 样式的”大纲”到标准输出(文件内容为xml)2
--dump-outline <file> 输出“大纲”到指定的文件(文件内容也为xml)
--outline 在生成的PDF文档中输出“大纲”(默认)
--no-outline 不在PDF中输出“大纲”
--outline-depth <level> 设置生成大纲的深度(默认值 4)

3. 页面参数

参数 说明
--allow <path> 允许加载指定文件夹中的一个或多个文件(可重复3)
--background 输出页面背景到PDF文档(这是默认设置)
--no-background -background相反
--bypass-proxy-for <value> 绕过主机代理(可重复3)
--cache-dir <path> 网页的缓存目录
--checkbox-checked-svg <path> 使用指定的SVG文件渲染选中的复选框
--checkbox-svg <path> 使用指定的SVG文件渲染未选中的筛选框
--cookie <name> <value> 设置访问网页时的cookie(可重复3),值应该是URL编码的
--custom-header <name> <value> 设置访问网页时的HTTP头信息(可重复3)
--custom-header-propagation 为每个要加载的资源添加由 –custom-header 指定的HTTP头
--no-custom-header-propagation --custom-header-propagation相反
--debug-javascript 显示javascript调试输出的信息
--no-debug-javascript --debug-javascript相反(这是默认设置)
--default-header 添加一个默认的“头”,在页面的左头显示页面的名字,在页面的右头显示页码4
--encoding <encoding> 为输入的文本设置默认的编码方式
--disable-external-links 禁止页面中的外链生成超链接
--enable-external-links --disable-external-links|相反(这是默认设置)
--disable-forms 不转换HTML表单为PDF表单(这是默认设置)
--enable-forms --disable-forms相反
--images 加载图片并输出到PDF文档(这是默认设置)
--no-images --images相反
--disable-internal-links 禁止页面中的内链生成超链接
--enable-internal-links --disable-internal-links|相反(这是默认设置)
-n, --disable-javascript 禁止WEB页面执行 javascript
--enable-javascript 允许WEB页面执行 javascript(这是默认设置)
--javascript-delay <msec> 延迟一定的毫秒等待javascript 执行完成(默认值是200)
--keep-relative-links 将相对外部链接保留为相对外部链接
--load-error-handling <handler> 指定当页面加载失败后的动作,可以指定为:abort(中止,默认值)、ignore(忽略)、skip(跳过)
--load-media-error-handling <handler> 指定当媒体文件加载失败后的动作,可以指定为:abort(中止)、ignore(忽略,默认值)、skip(跳过)
--disable-local-file-access 不允许一个本地文件加载其他的本地文件,使用命令行参数 --allow 指定的目录除外。
--enable-local-file-access --disable-local-file-access相反(这是默认设置)
--minimum-font-size <int> 设置最小的字号,除非必要不推荐使用该参数
--exclude-from-outline 拒绝加载当前页面到PDF文档的目录和大纲中
--include-in-outline --exclude-from-outline相反(这是默认设置)
--page-offset <offset> 设置页码的起始值(默认值为0)
--password <password> HTTP身份认证的密码
--disable-plugins 禁止使用插件(这是默认设置)
--enable-plugins 允许使用插件,但插件可能并不工作
--post <name> <value> 添加一个POST[^5]字段(可重复3)
--post-file <name> <value> 添加一个POST[^5]文件(可重复3)
--print-media-type 用显示媒体类型代替屏幕
--no-print-media-type --print-media-type相反(这是默认设置)
-p, --proxy <proxy> 使用代理
--proxy-hostname-lookup 使用代理解析主机名
--radiobutton-checked-svg <path> 使用指定的SVG文件渲染选中的单选框
--radiobutton-svg <path> 使用指定的SVG文件渲染未选中的单选框
--resolve-relative-links 将相对外部链接解析为绝对链接(默认)
--run-sript <js> 页面加载完成后执行一个附加的JS文件[^6],可以重复使用此参数指定,多个要在页面加载完成后要执行的JS文件(可重复3)
--disable-smart-shrinking 禁用WebKit使用智能收缩策略,该策略使像素/dpi(分辨率)比率不为常量
--enable-smart-shrinking --disable-smart-shrinking相反(这是默认设置)
--ssl-crt-path <path> openssl-pem格式的ssl客户机证书公钥的路径,可选后跟中间CA和受信任证书
--ssl-key-password <password> SSL客户端证书私钥的密码
--ssl-key-path <path> openssl pem格式的ssl客户机证书私钥路径
--stop-slow-scripts 停止运行缓慢的javascript代码(这是默认设置)
--no-stop-slow-scripts --stop-slow-scripts相反
--disable-toc-back-links 禁止从标题链接到目录(toc)(这是默认设置)
--enable-toc-back-links --disable-toc-back-links相反
--user-style-sheet <url> 设置一个在每个页面都加载的用户自定义样式表
--username <username> HTTP身份验证的用户名
--viewport-size <> 如果有自定义滚动条或CSS属性溢出以模拟窗口大小时,需要设置窗口大小
--window-status <windowStatus> 在渲染呈现页面之前,等待window.status等于这个指定的字符串
--zoom <float> 设置转换成PDF时页面的缩放比例(默认值是1)

4. 页眉、页脚参数

页眉参数

参数 说明
--header-center <text> 在页眉的居中部分显示页眉文本 <text>
--header-font-name <name> 设置页眉的字体 (默认为 Arial)
--header-font-size <size> 设置页眉的字体大小 (默认为 12)
--header-html <url> 添加一个html作为页眉
--header-left <text> 在页眉的居左部分显示页眉文本 <text>
--header-line 在页眉下方显示一条直线分隔正文
--no-header-line --header-line相反(这是默认设置)
--header-right <text> 在页眉的居右部分显示页眉文本 <text>
--header-spacing <real> 页眉与正文之间的距离(默认为零)

页脚参数

参数 说明
--footer-center <text> 在页脚的居中部分显示页脚文本 <text>
--footer-font-name <name> 设置页脚的字体 (默认为 Arial)
--footer-font-size <size> 设置页脚的字体大小 (默认为 12)
--footer-html <url> 添加一个html作为页脚
--footer-left <text> 在页脚的居左部分显示页脚文本 <text>
--footer-line 在页脚上方显示一条直线分隔正文
--no-footer-line --footer-line相反(这是默认设置)
--footer-right <text> 在页脚的居右部分显示页脚文本 <text>
--footer-spacing <real> 页脚与正文之间的距离(默认为零)

共同参数

参数 说明
--replace <name> <value> 将[name]替换为页眉和页脚中的值(可重复3)

5. TOC 参数

toc 是 table of content 的缩写,可以理解为目录的意思

参数 说明
--disable-dotted-lines 在目录中不使用虚线
--toc-header-text <text> 设置目录的页眉文本
--toc-level-indentation <width> 对于toc中的每个标题级别按此长度缩进(默认为1em)
--disable-toc-links 在目录中不生成指向内容锚点的超链接
--toc-text-size-shrink <real> 在目录中每级标题的缩放比例(默认为0.8)
--xsl-style-sheet <file> 使用自定义的 XSL 样式表显示目录内容

  1. 标准输入 ↩︎

  2. 尝试一下,你会在命令行中看到的 ↩︎

  3. 可重复的意思是可以多次设置该参数,用以指定多个参数值 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  4. 这相当于进行了如下四个设置:–header-left=’[webpage]’ –header-right=’[page]/[toPage]’ –top 2cm –header-line ↩︎

作者:codingkevin
原文链接:https://blog.csdn.net/qq_34496005/article/details/89398987

转载请注明:www.ainoob.cn » 关于 wkhtmltopdf:html 转 pdf 的命令行工具

喜欢 (0)or分享 (0)