使用 puppeteer 建立一个自动化导出 PDF 的服务

最近在基于 RAP2 作内网的一个 API 管理平台，涉及到与外部人员进行协议交换，须要提供 PDF 文档。
在设置完成 CSS 后已经能够使用浏览器的打印功能实现导出 PDF，但全手动，老是以为不爽，
因此尝试使用了 PUPPETEER 实现 PDF 自动生成。

PUPPETEER 功能介绍

puppeteer 是 chrome 提供的一个无头浏览器，它是替代 phantomjs 的一个替代品，
多用于实现自动化测试。官方仓库地址：https://github.com/GoogleChrome/puppeteer

它和传统的 phantomjs、zombiejs 等主要区别在于：

• 基于 chromuim，页面渲染彻底使用最新浏览器，保证和实际页面彻底一致
• 可进行有头和无头切换，调试更为方便
• 基本上等同于浏览器控制台的操做，扩展功能强大

它其实是基于 chromium 实现的一个 Nodejs 引擎，因此想要运行 puppeteer 就必须可以运行 chromium。
对于 centos6 等低版本的系统就没法安装 chromium，就须要考虑使用其余方式。

使用它的主要流程为：启动浏览器 -> 打开tab -> 加载 url -> 加载完成后的操做 -> 关闭页面 -> 关闭浏览器

API 地址是：https://github.com/GoogleChrome/puppeteer/blob/v1.8.0/docs/api.md#

导出服务的实现思路

鉴于公司内部的服务器是 centos6.9，也就意味着没法安装 chromuim，因此想要实现安装就得使用容器技术。

导出服务的要求：

• 单页面，加载完成后直接导出
• 多页面，多用于相似页面，加载完成后按照传入顺序导出PDF，并合并成一个 PDF 后返回
• 以容器技术部署

单页面

实现比较方便，能够在页面加载完成后执行

await page.pdf({path: 'page.pdf'});

各类配置请参考 https://github.com/GoogleChrome/puppeteer/blob/v1.8.0/docs/api.md#pagepdfoptions

多页面

实现思路是相似的，先调用单页面建立并写入 PDF 至临时目录中（不要写入任意目录，在 docker 中未必有权限），
而后合并 PDF 便可。Nodejs 目前没有原生合并 PDF，只能使用现成的库实现。PDFTK 是目前一个首选，nodejs 中也有相关集成的包。
调用方式为：

pdf.merge([file1,file2])

注意： PDFtk 包中建立完成 PDF 会删除临时文件，因此咱们单页面建立的也须要最终删除文件，否则到最后你的磁盘会直接爆掉。

部署

使用 docker 建立 image，涉及的依赖有：puppeteer(chromuim)，pdftk，nodejs。

代码实现

puppeteer 封装

为了方便使用，对 puppeteer 进行封装

'use strict'
const puppeteer = require('puppeteer')

class Browser {
  constructor (option) {
    this.option = {
      args: ['--no-sandbox', '--disable-setuid-sandbox'],
      ignoreHTTPSErrors: true,
      executablePath: process.env.CHROME_PUPPETEER_PATH || undefined,
      dumpio: false,
      ...option
    }
  }
  async start () {
    if (!this.browser) {
      this.browser = await puppeteer.launch(this.option)
      this.browser.once('disconnected', () => {
        this.browser = undefined
      })
    }
    return this.browser
  }
  async exit () {
    if (!this.browser) {
      return
    }
    await this.browser.close()
  }
  async open (url, { cookie }) {
    await this.start()
    const page = await this.browser.newPage()
    // 缓存状态下多页面可能不正常
    await page.setCacheEnabled(false)
    if (cookie) {
      const cookies = Array.isArray(cookie) ? cookie : [cookie]
      await page.setCookie(...cookies)
    }

    await page.goto(url, {
      waitUntil: 'networkidle0'
    })
    return page
  }
}

const browser = new Browser({
  headless: true
})

// 退出时结束浏览器，防止内存泄漏
process.on('exit', () => {
  browser.exit()
})

module.exports = browser

因为咱们要在 docker 镜像中使用，设置 puppeterr 的参数为：--no-sandbox --disable-setuid-sandbox，
这里面的执行路径使用全局的环境变量，主要目的是避免 chromuim 重复下载，导出包的体积过大。

实现请求服务

因为浏览器的特性，GET 请求可下载文件， POST 请求没法下载文件，因此咱们单页面以 GET 方式实现，多页面以 POST 方式实现。

router.post('/pdf/create/files', async (ctx, next) => {
  const { cookie, pdfOptions, list = [] } = ctx.request.body
  const filename = encodeURIComponent(ctx.request.body.filename || 'collectionofpdf')
  const queryList = list.map((item) => {
    const hostname = nodeUrl.parse(item.url).hostname
    return [
      item.url,
      {
        cookie: findCookie(ctx, hostname, item.cookie || cookie || '') || [],
        pdfOptions: item.pdfOptions || pdfOptions
      }
    ]
  })
  const pdfBuffer = await createPdfFileMergedBuffer(queryList)
  ctx.set({
    'Content-Type': 'application/pdf',
    'Content-Disposition': `attachment;filename="${filename}.pdf"`,
    'Content-Length': `${pdfBuffer.length}`
  })
  ctx.body = pdfBuffer
})

router.get('/pdf/create/download', async (ctx, next) => {
  const { url, cookie, pdfOptions } = ctx.request.query
  const filename = encodeURIComponent(ctx.request.query.filename || 'newpdf')
  const hostname = nodeUrl.parse(url).hostname
  const pdfBuffer = await createPdfBuffer(url, {
    cookie: findCookie(ctx, hostname, cookie),
    pdfOptions
  })

  ctx.set({
    'Content-Type': 'application/pdf',
    'Content-Disposition': `attachment;filename="${filename}.pdf"`,
    'Content-Length': `${pdfBuffer.length}`
  })
  ctx.body = pdfBuffer
})

建立 PDF:

/**
 * create pdf with file path return
 * @param {String} url a web page url to fetch
 * @param {Object}
 *  @param {Array} cookie A array with cookie Object
 *  @param {Object} pdfOptions options for puppeteer pdf options, cover the default pdf setting
 */
async function createPdfFile (url, { cookie, pdfOptions = {} }) {
  const options = Object.assign({}, defaultPdfOptions, pdfOptions)

  const page = await browser.open(url, {
    cookie
  })
  // const filename = path.join(__dirname, '../../static/', getUniqueFilename() + '.pdf')
  const filename = shellescape([tmp.tmpNameSync()])
  await page.pdf({ path: filename, ...options })
  await page.close()
  return filename
}

async function queueCreatePdfFile (list = []) {
  const result = await queueExecAsyncFunc(createPdfFile, list, { maxLen: MAX_QUEUE_LEN })
  return result
}

async function createPdfFileMergedBuffer (list) {
  const files = await queueCreatePdfFile(list)
  return pdfMerge(files)
    .then((buffer) => {
      return Promise.all(files.map((file) => {
        return new Promise((resolve) => {
          fs.unlink(file, resolve)
        })
      })).then(() => {
        return buffer
      })
    })
}

环境部署

DockerFile

FROM wenlonghuo/puppeteer-pdf-base:1.0.0

# COPY package.json /app/package.json
COPY . /app

USER root

ENV PUPPETEER_SKIP_CHROMIUM_DOWNLOAD="TRUE"

RUN rm -rf ./node_modules/ && rm -rf ./example/node_modules/ \
  && npm install --production && npm cache clean --force

USER pptruser
# Default to port 80 for node, and 5858 or 9229 for debug
ARG PORT=19898
ENV PORT $PORT
EXPOSE $PORT 5858 9229

CMD ["node", "app/index.js"]

使用已经完成的 docker 进行部署的方法是：

docker run -i -t -p 19898:19898 --restart=always --privileged=true wenlonghuo/puppeteer-pdf

而后服务调用接口便可。若是没有其余服务，也能够前端调用，效果会差不少，好比使用 axios 实现调用接口并下载：

axios.post('/pdf/create/files', {
  list: multi.list.split(',').map(item => ({ url: item })),
  cookie: multi.cookie,
  pdfOptions: multi.pdfOptions
}, {
  responseType: 'arraybuffer'
}).then(res => {
  createDownload(res.data)
})

function createDownload (text, filename = '导出') {
  /* eslint-disable no-undef */
  const blob = new Blob([text], { type: 'application/pdf' })
  const elink = document.createElement('a')
  elink.download = filename + '.pdf'
  elink.style.display = 'none'
  elink.href = URL.createObjectURL(blob)
  document.body.appendChild(elink)
  elink.click()
  URL.revokeObjectURL(elink.href) // 释放URL 对象
  document.body.removeChild(elink)
}

这种方式的主要问题在于下载完成文件后才会弹出窗口，会让人感受很慢，服务中应该使用 stream 方式进行处理

总结

虽然服务搭建好了，但因为公司的服务器没有 root 权限，没法搭建 docker 环境，最后仍是白折腾一场，只能搭在本身的 vps 上进行看成小实验了。

服务存在的问题：

• 无流式实现，感受等待时间有点久
• 多页面导出页脚的统一设置须要提供统一函数
• 部分页面导出后会将文字切割分红两页，是 puppeteer 的问题
• 服务稳定性还有待提升

附：
demo 地址：https://pdf-maker3.eff.red/#/ https://pdf-maker.eff.red/#/
仓库地址：https://github.com/wenlonghuo/puppeteer-pdf