Capturas de tela e PDFs

Capture a aparência da página: uma captura de tela da página inteira ou de um elemento, ou a página inteira como PDF. O Pydoll usa a própria renderização do Chrome, então a saída corresponde ao que o navegador mostra, e você não roda uma ferramenta de renderização separada.

Capturar a tela da página

Chame take_screenshot() com um caminho de arquivo. A extensão define o formato.

import asyncio

from pydoll.browser.chromium import Chrome


async def main():
    async with Chrome() as browser:
        tab = await browser.start()
        await tab.go_to('https://en.wikipedia.org/wiki/Python_(programming_language)')

        await tab.take_screenshot('python.png')

asyncio.run(main())

Artigo da Wikipedia sobre Python capturado pela Pydoll

_{O python.png gerado, o artigo da Wikipedia como a Pydoll capturou.}

Escolher o formato

O formato segue a extensão do arquivo: PNG (sem perdas), JPEG (menor, com perdas), ou WebP. quality vai de 0 a 100 e se aplica aos formatos com perdas.

await tab.take_screenshot('page.png')               # sem perdas
await tab.take_screenshot('page.jpeg', quality=85)  # arquivo menor
await tab.take_screenshot('page.webp', quality=90)

O formato vem da extensão

Uma extensão não suportada levanta InvalidFileExtension. Tanto .jpg quanto .jpeg funcionam; .jpg é normalizado para .jpeg internamente.

Capturar a página rolável inteira

Por padrão você obtém o viewport visível. Passe beyond_viewport=True para capturar tudo abaixo da dobra, até o final.

await tab.take_screenshot('full-article.png', beyond_viewport=True)

Páginas longas custam memória

Em páginas muito longas, beyond_viewport=True demora mais e usa mais memória, porque a página inteira é renderizada de uma vez.

Obter a imagem em memória

Passe as_base64=True para receber uma string base64 em vez de escrever um arquivo. Use para embutir a imagem ou enviá-la a algum lugar, sem arquivo temporário para limpar.

data = await tab.take_screenshot(as_base64=True)

html = f'<img src="data:image/png;base64,{data}" />'

Capturar a tela de um único elemento

Chame take_screenshot() em um elemento para capturar apenas esse elemento. O Pydoll o rola para a área visível primeiro.

await tab.go_to('https://en.wikipedia.org/wiki/Python_(programming_language)')

infobox = await tab.find(class_name='infobox')
await infobox.take_screenshot('infobox.png')

É assim também que você captura conteúdo dentro de um iframe: tab.take_screenshot() só enxerga a página de nível superior, então encontre um elemento dentro do frame e capture esse elemento no lugar.

iframe = await tab.find(tag_name='iframe')
content = await iframe.find(id='content')
await content.take_screenshot('iframe-content.png')

	`tab.take_screenshot()`	`element.take_screenshot()`
Escopo	Viewport ou página inteira	Um elemento
`beyond_viewport`	Sim	Não se aplica
`as_base64`	Sim	Sim
Rola para a área visível	Não	Sim
Alcança conteúdo de iframe	Não	Sim

Exportar a página como PDF

print_to_pdf() renderiza a página pelo pipeline de impressão do Chrome. Passe um caminho, ou as_base64=True para os bytes em memória.

import asyncio
from pathlib import Path

from pydoll.browser.chromium import Chrome


async def main():
    async with Chrome() as browser:
        tab = await browser.start()
        await tab.go_to('https://en.wikipedia.org/wiki/Python_(programming_language)')

        await tab.print_to_pdf(Path('python.pdf'))

asyncio.run(main())

Controlar a saída

Parâmetro	Padrão	O que faz
`path`	`None`	Onde salvar. Obrigatório, a menos que `as_base64=True`.
`landscape`	`False`	Orientação paisagem em vez de retrato.
`display_header_footer`	`False`	Adiciona o título, a URL e os números de página do Chrome.
`print_background`	`True`	Inclui gráficos e cores de fundo.
`scale`	`1.0`	Fator de zoom, 0.1 a 2.0. Abaixo de 1.0 cabe mais por página.
`as_base64`	`False`	Retorna uma string base64 em vez de escrever um arquivo.

# relatório em paisagem com cabeçalho e rodapé, levemente reduzido
await tab.print_to_pdf(
    Path('report.pdf'),
    landscape=True,
    display_header_footer=True,
    scale=0.9,
)

# econômico em tinta: sem gráficos de fundo
await tab.print_to_pdf(Path('draft.pdf'), print_background=False)

# bytes em memória, sem arquivo
pdf_data = await tab.print_to_pdf(as_base64=True)

Salvar uma página para visualização offline

save_bundle() grava a página e seus assets (CSS, JS, imagens, fontes, mídia) em um .zip que você pode abrir depois. O arquivo contém um index.html com as URLs reescritas para os arquivos locais.

await tab.save_bundle('page.zip')

Passe inline_assets=True para embutir tudo em um único index.html autocontido usando data URIs e tags <style>/<script> inline:

await tab.save_bundle('page-inline.zip', inline_assets=True)

O que é empacotado

Documentos, folhas de estilo, scripts, imagens, fontes e mídia. Recursos que falharam ao carregar, foram cancelados, ou usam URIs data: são ignorados.

Lidar com os erros comuns

from pydoll.exceptions import InvalidFileExtension, MissingScreenshotPath

# sem caminho e as_base64 é False
try:
    await tab.take_screenshot()
except MissingScreenshotPath:
    print('Pass a path, or set as_base64=True.')

# extensão não suportada
try:
    await tab.take_screenshot('image.bmp')
except InvalidFileExtension as error:
    print(error)

Próximos passos

Percorrer o DOM: encontre o elemento que você quer capturar, inclusive dentro de iframes.
Iframes: trabalhe com o conteúdo de frames em profundidade.
Referência da API Tab: assinaturas completas de take_screenshot, print_to_pdf e save_bundle.