WEBページをサーバ側でPDF化して保存

こんなことやりたいなって思ったら、だいたいすでに誰かやってるから助かるね。

やりたいこと

• 外部のWEBからもページにアクセスして、そのHTML内容をPDFとして手元のサーバに保存したい。
• Ubuntu18でやりたい
• PHPでやりたい

すでにやってる人

• PHPで出力されるWebページをサーバーサイドでPDFにしてダウンロードさせる
• HTML to PDF 変換コマンド・ライブラリの比較 : 結論 headless Chrome の直接利用が最強では？ ( #HTML #PDF #node #GoogleChrome )
• chrome でHTML をPDFに変換する

これらの方とやってることはほぼ一緒です。ありがとうございます。

元はたぶんここ → ヘッドレス Chrome ことはじめ

やってることは同じなので、わざわざ記事にするほどでもなかったカナ・・。

環境

$ cat /etc/os-release
NAME="Ubuntu"
VERSION="18.04.5 LTS (Bionic Beaver)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 18.04.5 LTS"
VERSION_ID="18.04"
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
VERSION_CODENAME=bionic
UBUNTU_CODENAME=bionic

chromeのインストール

chromeのheadlessモードを使うので、Ubuntu18にchromeをインストールします。

こちらをそのまま実行しました。

curl https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
echo 'deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main' | sudo tee /etc/apt/sources.list.d/google-chrome.list
sudo apt update
sudo apt install google-chrome-stable

実行

$ google-chrome  --headless --no-sandbox --disable-gpu --print-to-pdf 'https://google.co.jp/'

カレントディレクトリに、output.pdf というPDFが出力されます。出力したてのファイルは、パーみたいが

-rw-------  1 XXXX XXXX 149734 Sep 18 16:49 output.pdf

だったので、そのままではブラウザからアクセスできないので、適当に変えてください。

結果

日本語が化ける。（キャプチャするの忘れた）

日本語フォントのインストール

apt-get install -y unzip
cd /usr/local/share/fonts/
sudo curl 'https://ipafont.ipa.go.jp/IPAfont/IPAfont00303.zip' -o IPAfont00303.zip
sudo unzip IPAfont00303.zip
sudo fc-cache -fv
fc-list

……できた。

できてないこと

• ヘッダー・フッターを消せない
• 拡大率(Zoom)を変更できない

--no-marginsや、--print-to-pdf-no-headerとか、効いてない気がする。ソース追う気力なし。
DevTools Protcolを使えば、もっと細かく制御できそうだけど・・また今度で。