使用Selenium打印含MathJax的网页为PDF时公式空白问题求助

一、修复Selenium打印时MathJax空白的问题 #

你的问题根源在于两个点：一是MathJax渲染检测脚本适配性差，二是time.sleep无法精准等待渲染完成，再加上Firefox打印默认设置没适配MathJax渲染规则。

1. 替换MathJax渲染等待脚本 #

不同版本MathJax的API差异大，你用的MathJax.Hub是旧版（2.x）写法，现在很多网站用3.x，所以要做兼容，并且要等渲染完全结束再打印：

from selenium.webdriver.support.ui import WebDriverWait

def wait_for_mathjax():
    # 兼容MathJax 2.x和3.x的渲染等待脚本
    wait_script = """
    return new Promise(resolve => {
        if (typeof MathJax !== 'undefined') {
            if (MathJax.Hub) {
                // MathJax 2.x
                MathJax.Hub.Queue(["Typeset", MathJax.Hub], () => {
                    console.log('MathJax 2.x渲染完成');
                    resolve(true);
                });
            } else if (MathJax.typesetPromise) {
                // MathJax 3.x
                MathJax.typesetPromise().then(() => {
                    console.log('MathJax 3.x渲染完成');
                    resolve(true);
                }).catch(err => {
                    console.log('MathJax渲染出错:', err);
                    resolve(true);
                });
            } else {
                console.log('MathJax已渲染或版本不兼容');
                resolve(true);
            }
        } else {
            console.log('未检测到MathJax');
            resolve(true);
        }
    });
    """
    # 用WebDriverWait替代time.sleep，精准等待渲染完成
    WebDriverWait(driver, 30).until(lambda d: d.execute_script(wait_script))

def print_page():
    # 先等页面基础元素加载完成
    WebDriverWait(driver, 20).until(EC.presence_of_element_located((By.TAG_NAME, "body")))
    # 等待MathJax渲染完成
    wait_for_mathjax()
    
    # 配置Firefox打印参数（关键：启用背景，避免MathJax元素被截断）
    print_settings = {
        "recentDestinations": [{
            "id": "Save as PDF",
            "origin": "local",
            "account": ""
        }],
        "selectedDestinationId": "Save as PDF",
        "version": 2,
        "isHeaderFooterEnabled": False,
        "isBackgroundEnabled": True
    }
    driver.execute_script("window.print();")
    time.sleep(5)

2. 优化Firefox初始化配置 #

启动driver时添加打印相关的profile设置，确保PDF生成时包含MathJax内容：

options = Options()
profile = webdriver.FirefoxProfile()
profile.set_preference("print.print_to_file", True)
profile.set_preference("print.save_as_pdf.images.enabled", True)
profile.set_preference("print.save_as_pdf.links.enabled", True)
options.profile = profile

driver = webdriver.Firefox(options=options)

二、整合wkhtmltopdf到现有流程 #

既然wkhtmltopdf能正常生成带MathJax的PDF，你可以利用Selenium已登录的状态，导出cookie给wkhtmltopdf，不用重复登录就能打印目标页面。

1. 从Selenium导出cookie #

登录完成后，把浏览器cookie转换成wkhtmltopdf能识别的格式：

def get_wkhtml_cookies():
    cookies = driver.get_cookies()
    cookie_args = []
    for cookie in cookies:
        cookie_str = f"{cookie['name']}={cookie['value']}"
        cookie_args.append(f"--cookie {cookie_str}")
    return " ".join(cookie_args)

2. 调用wkhtmltopdf生成PDF #

用Python的subprocess模块执行wkhtmltopdf命令，传入cookie和目标URL：

import subprocess

def print_with_wkhtml(url, output_path):
    cookie_args = get_wkhtml_cookies()
    # 构建命令，添加参数确保MathJax渲染完成
    cmd = f"wkhtmltopdf {cookie_args} --enable-javascript --javascript-delay 10000 --no-stop-slow-scripts {url} {output_path}"
    result = subprocess.run(cmd, shell=True, capture_output=True, text=True)
    if result.returncode == 0:
        print(f"PDF生成成功：{output_path}")
    else:
        print(f"生成失败：{result.stderr}")

3. 使用示例 #

登录完成后，遍历需要打印的页面：

# 假设已完成登录流程
target_urls = ["https://example.com/page1", "https://example.com/page2"]
for idx, url in enumerate(target_urls):
    driver.get(url)
    WebDriverWait(driver, 20).until(EC.presence_of_element_located((By.TAG_NAME, "body")))
    output_path = f"page_{idx+1}.pdf"
    print_with_wkhtml(url, output_path)

注意事项 #

• 先在PopOS上安装wkhtmltopdf：执行sudo apt install wkhtmltopdf即可。
• 如果页面MathJax加载慢，可把--javascript-delay的数值调大（单位是毫秒），比如改成15000。
• 导出cookie要在登录后执行，确保cookie有效。

内容的提问来源于stack exchange，提问作者P E