截图和 PDF

捕获页面的样子：整页或单个元素的截图，或者把整个页面导出为 PDF。Pydoll 驱动的是 Chrome 自身的渲染，所以输出与浏览器所显示的一致，你也不用运行单独的渲染工具。

给页面截图

用一个文件路径调用 take_screenshot()。扩展名决定格式。

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())

Pydoll 捕获的 Wikipedia Python 文章

_{生成的 python.png：Pydoll 捕获的 Wikipedia 文章。}

选择格式

格式跟随文件扩展名：PNG（无损）、JPEG（更小，有损）或 WebP。quality 取值 0 到 100，适用于有损格式。

await tab.take_screenshot('page.png')               # 无损
await tab.take_screenshot('page.jpeg', quality=85)  # 更小的文件
await tab.take_screenshot('page.webp', quality=90)

格式来自扩展名

不支持的扩展名会抛出 InvalidFileExtension。.jpg 和 .jpeg 都可用；.jpg 在内部会被规范化为 .jpeg。

捕获整个可滚动页面

默认你得到的是可见的视口。传入 beyond_viewport=True 可捕获折叠线以下、一直到底的所有内容。

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

长页面消耗内存

在非常长的页面上，beyond_viewport=True 耗时更久、占用更多内存，因为整个页面是一次性渲染的。

在内存中获取图像

传入 as_base64=True 可拿回一个 base64 字符串，而不写文件。用它来嵌入图像或把它发到别处，没有临时文件需要清理。

data = await tab.take_screenshot(as_base64=True)

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

给单个元素截图

在一个元素上调用 take_screenshot()，只捕获那个元素。Pydoll 会先把它滚动到可见区域。

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')

这也是你捕获 iframe 内部内容的方式：tab.take_screenshot() 只能看到顶层页面，所以找到框架内部的一个元素，改为给它截图。

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()`
范围	视口或整页	单个元素
`beyond_viewport`	支持	不适用
`as_base64`	支持	支持
滚动到可见区域	否	是
能触及 iframe 内容	否	是

把页面导出为 PDF

print_to_pdf() 通过 Chrome 的打印管线渲染页面。传入一个路径，或者用 as_base64=True 得到内存中的字节。

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())

控制输出

参数	默认值	作用
`path`	`None`	保存位置。除非 `as_base64=True`，否则必填。
`landscape`	`False`	横向而非纵向。
`display_header_footer`	`False`	添加 Chrome 的标题、URL 和页码。
`print_background`	`True`	包含背景图形和颜色。
`scale`	`1.0`	缩放系数，0.1 到 2.0。小于 1.0 时每页容纳更多内容。
`as_base64`	`False`	返回一个 base64 字符串，而不写文件。

# 带页眉页脚、略微缩小的横向报告
await tab.print_to_pdf(
    Path('report.pdf'),
    landscape=True,
    display_header_footer=True,
    scale=0.9,
)

# 省墨：不带背景图形
await tab.print_to_pdf(Path('draft.pdf'), print_background=False)

# 内存中的字节，不写文件
pdf_data = await tab.print_to_pdf(as_base64=True)

保存页面以供离线查看

save_bundle() 把页面及其资源（CSS、JS、图片、字体、媒体）写入一个 .zip，你可以稍后打开。归档中包含一个 index.html，其中的 URL 已被改写为指向本地文件。

await tab.save_bundle('page.zip')

传入 inline_assets=True，可用 data URI 以及内联的 <style>/<script> 标签把一切嵌入到单个自包含的 index.html 中：

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

哪些内容会被打包

文档、样式表、脚本、图片、字体和媒体。加载失败、被取消或使用 data: URI 的资源会被跳过。

处理常见错误

from pydoll.exceptions import InvalidFileExtension, MissingScreenshotPath

# 没有路径且 as_base64 为 False
try:
    await tab.take_screenshot()
except MissingScreenshotPath:
    print('Pass a path, or set as_base64=True.')

# 不支持的扩展名
try:
    await tab.take_screenshot('image.bmp')
except InvalidFileExtension as error:
    print(error)

下一步

DOM 遍历：找到你想截图的元素，包括 iframe 内部的。
Iframes：深入处理框架内容。
Tab API 参考：take_screenshot、print_to_pdf 和 save_bundle 的完整签名。