如何将网站所有页面、express.js类工具库文档转换导出为PDF

你有Node.js基础的话，实现这两个需求门槛很低，核心优先选headless浏览器类的渲染方案，比传统的wkhtmltopdf这类依赖旧webkit内核的工具兼容性好太多，不会出现动态内容加载不全、CSS样式错乱的问题。

整站全页面转PDF实现 #

这类需求的核心是先做同域名下的链接爬取、去重、爬取深度控制，再逐页渲染导出PDF，推荐组合：

• 爬取层用simplecrawler：专门做整站爬取的轻量库，支持配置域名白名单、爬取深度、路径忽略规则，自动去重已爬链接，不用自己写重复的链接遍历逻辑。
• 渲染导出层用puppeteer：Chrome官方维护的headless Chrome控制库，渲染效果和本地打开Chrome完全一致，支持等待页面所有资源、异步接口加载完成后再导出，导出的PDF支持保留背景样式、自定义页边距、纸张尺寸。
• 如果你需要把全站页面合并成单个PDF文件，再加个pdf-lib库就行，支持把多个分散的PDF文件按顺序合并，还能自定义添加书签、页码。

实现时注意几个细节：爬取并发数别开太高，设2-3并发、每次请求间隔1秒以上，避免给目标站造成太大压力被封IP；页面跳转时用waitUntil: 'networkidle2'配置，等网络请求基本空闲后再导出，避免懒加载图片、异步渲染的内容缺失。

技术文档（如Express.js文档）导出PDF #

这类文档站结构规整，一般有固定的侧边栏目录，不需要无差别爬全站所有页面，比整站爬取更简单：

• 优先看目标文档站用的是什么框架，如果是VuePress、Docusaurus、MkDocs这类主流文档框架，直接搜对应框架的PDF导出插件就行，不用自己写爬取逻辑，导出的文件自带目录、页码，格式规整。
• 如果要自己写脚本实现，不用开整站爬取，先打开文档首页，通过DOM选择器提取侧边栏里所有文档页的链接，按文档的排序整理好链接列表，再逐页用puppeteer转成PDF，最后用pdf-lib按顺序合并即可，还能对应目录层级给PDF加书签，阅读体验更好。
• 要是遇到有简单反爬的文档站，可以把puppeteer换成playwright，API和puppeteer几乎一致，默认自带浏览器指纹伪装，被反爬拦截的概率更低。

给你一段最基础的puppeteer单页转PDF示例代码，改改就能扩展成批量逻辑：

const puppeteer = require('puppeteer');

async function convertUrlToPdf(targetUrl, savePath) {
  // 启动无头浏览器
  const browser = await puppeteer.launch({
    headless: 'new',
    args: ['--no-sandbox']
  });
  const page = await browser.newPage();
  // 固定桌面端视口，避免触发移动端样式
  await page.setViewport({ width: 1280, height: 900 });
  // 跳转到目标页，等网络空闲再继续
  await page.goto(targetUrl, { waitUntil: 'networkidle2' });
  // 导出PDF
  await page.pdf({
    path: savePath,
    format: 'A4',
    printBackground: true, // 保留页面背景色、背景图
    margin: { top: '1cm', bottom: '1cm', left: '1cm', right: '1cm' }
  });
  await browser.close();
}

// 调用示例：导出Express.js首页为PDF
convertUrlToPdf('https://expressjs.com/', './express-home.pdf');

最后提两个踩过的坑：别用基于html2canvas+jsPDF的前端导出方案，长文档跨页时很容易出现内容截断、样式错位，稳定性远不如服务端headless浏览器渲染的方案；如果文档需要登录才能访问，puppeteer和playwright都支持注入登录后的cookie、或者模拟登录操作，处理起来很简单。

内容的提问来源于stack exchange，提问作者Raihanur Rahman