Javascript 如何抓取HTML5网站并将其HTML内容转换为PDF（使用Python或Ruby库）？

我正在寻找一个引擎/solution/framework/gem/egg/lib/无论是Ruby还是Python都可以登录到网站，抓取HTML5内容（主要是画布上的图表），并能够将其转换为PDF文件（或图像）

我能够在mechanize中编写爬行脚本，这样我就可以登录到网站并爬行数据，但mechanize不理解复杂的JavaScript+HTML5

---

所以基本上我在寻找一个HTML5/JavaScript解释器。

这个问题有点让人困惑。。。对不起，请在再次阅读问题后重新阅读我的答案

你的问题分为两部分：

1。如何爬网网站

爬行可以使用Mechinize完成，但正如您所说，它不能很好地使用Javascript。因此，一种选择是使用水豚webkit或Selenium（firefox/chrome）

这通常用于测试，但是您可以使用Ruby代码来驱动它浏览各个页面

2。如何将输出转换为PDF

如果您需要将爬网内容转换为PDF，我认为没有办法做到这一点。您可以使用Capybara webkit或Selenium拍摄屏幕截图（对测试有用），但将其转换为PDF可能只是通过一些命令行实用程序来实现的

如果您正在寻找一个真正的HTML到PDF转换器（通常用于从rails应用程序中的视图生成报告），那么使用

---

基本上，它是一个WebKit浏览器，可以输出为PDF格式。运行起来非常简单。

您可能可以使用无头浏览器完成此操作。这正是我所想的，但我希望它可以通过Python或Ruby编写脚本-有什么想法吗？请看：我想您需要寻找一个与Python或Ruby交互的浏览器？看起来Capybara是一个Ruby项目，Zombie.js和PhantomJS都以某种方式支持该项目。Yo可能能够通过

kit=PDFKit.new.js实现这一点http://google.com“）

。实际上，使用python的zombie.js实现了这一点-谢谢你的回答，我无法做到这一点，因为它是由我的公司授权的：（对不起。