Come convertire una pagina Web in PDF mantenendo l'aspetto (esattamente come sul browser Web) e testo / collegamenti?

Sto cercando un modo per convertire una pagina Web in PDF, ma conservando l'aspetto della pagina web. Conservando anche il testo della pagina Web (essendo selezionabile), ricercabile [La generazione di screenshot di immagini per la pagina Web non renderebbe il testo né selezionabile né ricercabile].

Sto cercando di stampare la pagina Web in PDF così com'è (come nel browser Web) senza alcuna manipolazione di stile o allineamento o perdita dei componenti statici di qualsiasi pagina Web.

Ciò contribuirebbe a preservare copie offline di pagine Web facilmente leggibili, annotabili e ricercabili.

Non è necessario leggere nulla di seguito (La domanda è solo la sezione precedente) per ottenere la mia domanda. La sezione seguente è solo un elenco di ciò che ho ottenuto attraverso la ricerca o le risposte degli altri in modo annidato per raggiungere una risposta alla domanda.

Risultati della ricerca (suggerimenti che non hanno risolto il mio problema)

Risultati finora ottenuti nel tentativo di trovare una soluzione (tutti ancora non funzionano come soluzione per questa domanda)

Ho provato questi motori di stampa Web PDF ma tutti manipolano l'aspetto delle pagine, danneggiando persino di più e rendendo difficilmente leggibili: (Gli screenshot delle pagine di esempio sono inclusi tra parentesi quadre)

• Chrome [ originale , stili di stampa ( disabilitato | non disabilitato )]
• Firefox [ originale , stili di stampa (disabilitato p1 , p2 | non disabilitato p1 , p2 )]
• leggibilità
  • Semplifica la pagina Web (che è una buona cosa per una lettura mirata - Tuttavia, questo non è quello che sto cercando). Sto cercando di mantenere tutte le proprietà delle posizioni / stili della pagina Web viste sul browser Web in formato PDF senza alcuna manipolazione.
• Lettore Foxit
• NovaPDF
• CutyCapt [ Originale , fattore di zoom: 0.4 : Screenshot, PDF in uscita]
  • Aggiungerò collegamenti dopo aver risolto i problemi di esecuzione del programma su Windows "
• wkhtmltopdf [ Originale , fattore di zoom: 0.4 : schermate , PDF in uscita ]
  • Non supporta CSS3.

Tutti i plug-in per l'acquisizione di immagini di schermate di pagine Web (ad esempio Abduction , Awesome Screenshot , Fireshot , Firefox Developer Tool Tool , Full Screen Screen Capture , Page2Images , web-capture , ...) non rispondono alla mia domanda, perché non conservano il testo e collegamenti .

Scrible è ottimo nel preservare le pagine Web così come per ulteriori annotazioni e ricerche, ma purtroppo è ancora online e senza conversione in formato PDF.

Ci sono altre due domande sulla comunità simili in qualche modo alle mie, tuttavia, questa è leggermente diversa ma con quelle importanti distinzioni:

• Come ottenere WYSIWYP (stampare ciò che vedi) in un browser Web?
  • Questa domanda chiede come catturare una pagina Web (come si vede sullo schermo), anche se si tratta di un'immagine e il testo non verrà conservato. Considerando che sto cercando anche l'acquisizione di testo e collegamenti ( soprattutto preservare testo e collegamenti ).

Altre domande simili in cui la conservazione di testo e collegamenti non è un requisito (le pagine vengono acquisite principalmente come screenshot di immagini ):

• Come acquisire schermate / salvare una pagina Web come PDF

• Stampa dal browser usando Screen CSS?
  • Si chiede di disabilitare gli stili di stampa, il che sembra non aiutare dagli screenshot sopra.

Appunti

Sistema operativo: Windows 10

Abbiamo affrontato lo stesso problema in un progetto universitario e siamo riusciti a risolverlo utilizzando

wkhtmltopdf

Abbiamo apprezzato molto le capacità di questo strumento sulla riga di comando. Lo abbiamo anche chiamato usando il codice Python per rendere lo stato corrente delle pagine web. Ha la possibilità di consegnare la pagina web come pdf, di solito non perfetta per preservare la vista del sito web a causa della formattazione della pagina (A4 per esempio) o come png (conserva la vista della pagina ma non i collegamenti)

C'è anche il progetto di leggibilità (per Python: pypi.python.org/pypi/readability-lxml) che abbiamo usato che fa abbastanza bene la rimozione degli annunci e il rilevamento dei contenuti (ad esempio per articoli di giornale e simili). Se desideri solo un componente aggiuntivo o un'estensione per il tuo browser, la seguente implementazione di leggibilità potrebbe soddisfare le tue esigenze:

https://www.readability.com/addons/

Contribuire con un'altra risposta per i possibili utenti. In Firefox, c'era un addon "Stampa pagine in PDF". Puoi cercare la sua ultima versione 0.1.9.3 (funziona solo con versioni pre-Quantum).

Attualmente c'è questo componente aggiuntivo sia per Chrome che per Firefox che funziona abbastanza bene: PDFMage

• Salva tutte le immagini nella pagina
• Genera testo come testo, non come immagine, puoi cercare testo nel PDF generato.
• Collegamenti ipertestuali del conservatore
• Ha la possibilità di salvare una lunga pagina Web come PDF di una pagina (quindi le immagini non sono divise tra le pagine)

Ho davvero lottato con questo e ho provato la maggior parte degli strumenti menzionati finora. I migliori risultati che ho ottenuto sono stati l'utilizzo della modalità senza testa di Chrome. Il comando su MacOS sarebbe simile al seguente:

/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --headless --print-to-pdf=test.pdf http://127.0.0.1:8080

Il miglior elenco di opzioni della riga di comando che ho trovato era qui .

Tuttavia ci sono stati problemi con questo. In particolare le mie pagine sono molto pesanti di javascript e non sono riuscito a far aspettare che la funzione di stampa terminasse l'esecuzione. Quindi il mio output non conteneva le immagini.

La soluzione che ho trovato è stato un pacchetto nodeJS: chrome-headless-render-pdf. La sua scarsa documentazione è qui . Funziona ed è facilmente scrivibile.

Ho avuto lo stesso problema e l'ho capito tramite Chrome e con un driver di stampante gratuito chiamato PDF995. Questo fa parte di una suite di utilità PDF; il sito web dell'editore è http://www.pdf995.com/ .

Tuttavia, penso che sarà sufficiente qualsiasi browser Web e qualsiasi convertitore PDF. Comunque, ecco cosa ho fatto:

1. seleziona tutto o evidenzia tutto.

2. Fare clic con il tasto destro del mouse sulla selezione evidenziata o premere Ctrl + P (entrambe le opzioni offrono risultati leggermente diversi, ma si ottiene lo stesso risultato dopo il completamento).

3. Se si fa clic con il pulsante destro del mouse in 2., la selezione (scorciatoia), fare clic su "stampa" e solo tutto ciò che è stato selezionato verrà visualizzato nell'anteprima di stampa. Assicurati di cambiare la destinazione della tua stampante in qualunque convertitore pdf tu decida di usare (PDF995 o altro).

4. Fai clic su "stampa" e salva come documento pdf.

5. Se invece hai premuto Ctrl + P in 2. (il modo leggermente più lungo), fai clic su "Altre impostazioni" e scorri verso il basso fino a "Opzioni".

6. Fai clic sulla casella che dice "Solo selezione" e tutto ciò che segue la scorciatoia che ho descritto seguirà.

7. Non dimenticare di cambiare la destinazione della stampante in qualunque convertitore pdf tu scelga (PDF995 o altro).

8. Fai clic su "Stampa".

Se sei su Linux, prova questo piccolo strumento da riga di comando CutyCapt , che dipende solo da Qt e QtWebkit ed esporta in PDF.

Sebbene non sia esattamente la tua richiesta in quanto non in PDF, se l'obiettivo è puramente mantenere una copia offline delle pagine Web per la successiva revisione, salvandola come pagina Web farebbe proprio questo.

Il grande avvertimento è che creerà un file .html e una cartella con tutto il contenuto multimediale sulla pagina anziché un singolo documento.

In Chrome e Firefox, puoi salvare una pagina facendo clic con il tasto destro su di essa e scegliendo Salva con nome ... In Internet Explorer, puoi salvarla in File -> Salva con nome (premendo il tasto Alt per visualizzare i menu).

Prova questo servizio. Crea un PDF da un sito Web come lo vedi nel browser. https://lomotoh.com/ (sono affiliato a questo sito)

Almeno tutto il testo in alcune pagine è ricercabile, selezionabile, tagliato e sfogliabile. Ho provato su una pagina incollata roboticamente da un computer senza testo e pixel e questo ha sintonizzato il tutto in un'immagine.

Ho usato queste cose per anni. Ottengo i migliori risultati in Linux ricostruendo la pagina in una XX parola di tua scelta ed esportando il risultato in formato PDF. Posso ottenere ciò che voglio a costi considerevoli. Dal mio uso limitato arch ivin Il sito creato da David Herse https://lomotoh.com/ ( NON sono affiliato a questo sito) funziona come qualsiasi altro che abbia mai usato. Sarò la mia risorsa per coprire le pagine Web in PDF fino a quando non lo trovo meglio o costa troppo per me pagare con la mia borsa sottile.