需求：我们公司的营销部门需要把每日的订单生成为PDF，以便物流专员使用。每个订单是一个PDF，订单量巨大，手动下载耗时、不方便，需要开发程序进行自动下载。
分析：这是爬虫任务的后续工作，简而言之就是如何把网页保存为PDF。大家请注意，从技术层面讲，它不是单单只说把requests请求到的信息保存为PDF，这种类似于用python下载文件。我们的订单网站有的是不提供下载功能的，人工是怎么操作呢？打开订单网页，Ctrl + P，另存为PDF。简而言之，我的需求是把网页保存为PDF。
这里按照我学习的过程提供三种思路(代码)给大家参考。
方法一：pdfkit
相信大家在网上搜索“如何用python把网页保存为pdf”之类的关键信息，弹出最多的就是这种方法。这个pdfkit包的思路是，我们访问网页，获取网页的html脚本代码，然后根据html脚本还原网页，逆向生成pdf。这种方法的缺点官网上说得很清楚了：只支持标准的html。比如网页有些奇怪的标签，或者有组件等，pdfkit它就解析不了。同时，如果有图片，在html代码里，图片其实是网址，pdfkit去生成pdf的时候它会去访问网址，如果图片的网址不需要认证信息就能访问，那就没关系，如果你的图片是在登录后的网页中，由于pdfkit无法传递header，所以这种图片是获取不到的。
总而言之，pdfkit方法适合保存简单的网页，它的代码量很小，速度一般。
使用方法示例：
安装：
然后安装一个软件：wkhtmltopdf.exe
官网下载地址：https://wkhtmltopdf.org/downloads.html
安装时请记得安装路径，会有用到。
编写python代码：
打印的百度、知乎网址如下：
以上演示的是把url生成pdf的例子，除此之外，pdfkit还支持把html和字符串生成pdf，这里不再演示，有需要可以查看相关资料或者在公众号内留言。
方法二：selenium
使用selenium下载pdf的本质是，利用selenium控制浏览器执行pdf打印功能，与人工在浏览器执行Ctrl + P效果相同。这种方法的好处一是我们可以登录一些网站，二是所见即所得。那么，难点在于通过浏览器执行打印功能的代码如何编写。请参考如下：
方法三：Pyppeteer
不少文章都说Pyppeteer是比selenium更厉害的爬虫利器。笔者对Pyppeteer研究不多，只测试了它打印pdf的功能，发现代码更加简洁，效率等其他指标没有进行测试，建议大家在后续的工作中进行一些研究。
Pyppeteer其实是Puppeteer的Python版本，下面简单介绍下Pyppeteer的两大特点，chromium浏览器和asyncio框架：
1).chromiumChromium是一款独立的浏览器，是Google为发展自家的浏览器Google Chrome而开启的计划，相当于Chrome的实验版，Chromium的稳定性不如Chrome但是功能更加丰富，而且更新速度很快，通常每隔数小时就有新的开发版本发布
2).asyncio
asyncio是Python的一个异步协程库，自3.4版本引入的标准库，直接内置了对异步IO的支持，号称是Python最有野心的库，官网上有非常详细的介绍。由于Pyppeteer是基于asyncio实现的，所以它本身就支持异步操作，执行效率得到大幅提升。
打印pdf的代码如下：
对python的并发、协程不了解的读者，上述代码理解起来会有点困难，对asyncio、await关键词十分陌生。正如上文所说，Pyppeteer是基于asyncio实现的，这是它的优点，本身就支持异步操作，await、asyncio就是一些实现异步的代码，去掉还不行。笔者最近正在研究python异步编程，实现了异步下载网页中的文件的功能，以后整理下分享给大家。
以上就是用python把网页保存为pdf的方法，代码仅作示范，实现了基础的打印功能。对于浏览器登录、数据获取，与以往的爬虫方法相同，按需添加代码即可。
