wkhtmltopdf html转pdf工具的使用

wktmltopdf 工具是使用Webkit引擎来将HTML网页转换为PDF文件。其可以将一个URL对应的网页转换为HTML，也可以将存在本地的一个html 文件转换为 pdf 文件。其在应用中有两个优势：

1、该软件是开源免费软件；
2、该软件支持linux\windows\macos 这些常用的平台。

一、安装

这里以windows为例（本想在 linux 下测试，但在中文时乱码，需要安装对应的中文字库），打开 https://github.com/wkhtmltopdf/wkhtmltopdf/releases/ 地址下载最新版本。直接下一步下一步即可，安装完成后，想在直接CMD下键入命令就可以使用，还需要配置环境变量：

二、测试使用

在CMD命令行下，可以使用如下命令进行测试：

wkhtmltopdf https://www.baidu.com/ D:\baidu.pdf   //网络页面
wkhtmltopdf  test.html  test.pdf  //本地HTML页面
# 指定源html编码为utf8,并给转换后的pdf文件加上页眉页脚信息
wkhtmltopdf --encoding utf8 --header-center 访问www.361way.com获取更多信息  --footer-center email至itybku@139.com交流  test.html out.pdf

批量转换

这个是针对单个文件的，我使用python采集了一批html 页面，想全部转换为HTML也很方便，这里使用了下powershell 代码：

Get-ChildItem *.html |ForEach-Object -Process{
     $newname=($_.name.Split(".")[0] + '.pdf');
     wkhtmltopdf --encoding utf8 --header-center 访问www.361way.com获取更多信息  --footer-center email至itybku@139.com交流  $_.name $newname
}

虽然很快，不过还是吐槽下powershell 语法很烂，和python的可读性相比，差太多了。当时也是有点脑抽，想到使用powershell 实现批量，哈哈！

三、关于乱码问题

出现乱码问题，一般是两种可能：一、是字体库不存在该可用的字体；一种是编码不对。一般后者比较多。字体不在这个就没什么好说的了，安装下字体就行了。看编码不对的问题，可以通过如下两种方法解决：

1、在html 指定编码

我采集下来的html 文件，去掉了很多无用的内容，所以不包含编码信息，这里在第一行加入如下内容：

<meta http-equiv="content-type" content="text/html;charset=utf-8">

注意，这里一定要是第一行，我尝试加到后面，发现仍会乱码。

2、指定参数

wkhtmltopdf工具本身，有提供–encoding 参数，在该参数后面，指定对应的编码即可。