selenium

Selenium 通过使用 WebDriver 支持市场上所有主流浏览器的自动化。 Webdriver 是一个 API 和协议，它定义了一个语言中立的接口，用于控制 web 浏览器的行为。 每个浏览器都有一个特定的 WebDriver 实现，称为驱动程序。 驱动程序是负责委派给浏览器的组件，并处理与 Selenium 和浏览器之间的通信。

这种分离是有意识地努力让浏览器供应商为其浏览器的实现负责的一部分。 Selenium 在可能的情况下使用这些第三方驱动程序， 但是在这些驱动程序不存在的情况下，它也提供了由项目自己维护的驱动程序。

Selenium 框架通过一个面向用户的界面将所有这些部分连接在一起， 该界面允许透明地使用不同的浏览器后端， 从而实现跨浏览器和跨平台自动化。

selenium 驱动

# selenium 驱动
https://selenium-python.readthedocs.io/installation.html#drivers
https://selenium-python.readthedocs.io/api.html

selenium-java

主要依赖

        <dependency>
            <groupId>org.seleniumhq.selenium</groupId>
            <artifactId>selenium-java</artifactId>
            <version>4.16.1</version>
        </dependency>

测试代码

        // 获取 java 版本
        String version=System.getProperty("java.specification.version");

        // 获取系统类型
        String platform=System.getProperty("os.name", "");
        platform=platform.toLowerCase().contains("window") ? "win" : "linux";

        // 当前程序目录
        String current=System.getProperty("user.dir");

        System.out.println("current:" + current);

        // firefox 运行参数配置
        FirefoxOptions options=new FirefoxOptions();
        // 无头模式
        options.addArguments("--headless");
        // 最大化
        options.addArguments("--start-maximized");

        FirefoxDriver browser=new FirefoxDriver(options);

        Path url=Paths.get(current, "..", "index.html");
        System.out.println("url:" + url.toString());

        // NOTE 要使用 file 协议
        browser.get(String.format("file://%s", url.toString()));

        // 打印设置
        PrintOptions print=new PrintOptions();
        Pdf pdf=browser.print(print);

        // pdf base64 内容
        String content=pdf.getContent();
        // 解码内容
        Base64.Decoder decoder=Base64.getDecoder();
        byte[] buffer=decoder.decode(content);

        try {
            // 将 byte 写入文件
            Path file=Paths.get(String.format("java%s_%s.pdf", version, platform));
            Files.write(file, buffer);
        } catch (IOException e) {
            throw new RuntimeException(e);
        } finally {
            browser.quit();
        }

效果预览

selenium/java11_linux.pdf · yjihrp/linux-html2pdf-demo - Gitee.com

selenium/java11_win.pdf · yjihrp/linux-html2pdf-demo - Gitee.com

测试结果

下一篇 6-LINUX HTML 转 PDF-selenium-python

>>> import camelot
>>> tables=camelot.read_pdf('foo.pdf') #类似于Pandas打开CSV文件的形式
>>> tables[0].df # get a pandas DataFrame!
>>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定输出格式
>>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 导出数据为文件
>>> tables
<TableList n=1>
>>> tables[0]
<Table shape=(7, 7)> # 获得输出的格式
>>> tables[0].parsing_report
{
 'accuracy': 99.02,
 'whitespace': 12.24,
 'order': 1,
 'page': 1
}

conda install -c conda-forge camelot-py

pip install camelot-py[cv]

ompdf是一个可以将HTML生成PD并保留样式效果的PHP第三方扩展。

下面就一步步讲解如何使用：

一、通过composer安装

composer require dompdf/dompdf

二 、编写测试代码

（1）引用autoload.php

include 'vendor/autoload.php'; 

（2）实例化Dompdf

$dompdf=new \Dompdf\Dompdf();

（3）加载HTML

$dompdf->loadHtml($html); //$html 为HTML字符串

（4）设置纸张和方向

$dompdf->setPaper('A4', 'landscape'); //纸张大小和纸张方向

（5）生成PDF并下载

 $dompdf->render();
$dompdf->stream('数据字典.pdf');

三、导出PDF测试，发现中文乱码了

四、解决中文乱了问题

（1）下载支持中文的字体包放到根目录下（和vendor目录同级），这里演示使用的是阿里巴巴的普惠字体（字体格式是ttf的，小编原先下载使用的字体格式是otf格式的无效）

（2）下载dompdf字体安装工具解压到根目录（和vendor目录同级）

下载地址：https://github.com/dompdf/utils

（3）在命令行（CMD定位到根目录）下执行命令

php load_font.php "puhui" Alibaba-PuHuiTi-Light.ttf

执行成功后在路径（vendor\dompdf\dompdf\lib\fonts）下就会出现刚才的字体

（4）在样式文件中指定使用刚才安装的字体

body{font-family:puhui;}

（5）再次导出PDF测试成功