使用WeasyPrint导出PDF无法正常显示原网页大部分内容如何修复

核心问题定位 #

现有代码的逻辑存在硬伤，直接导致PDF渲染不全：

• 你在Selenium中完成页面打开、「过去30天」筛选点击、动态内容加载的全流程后，没有把Selenium端已经渲染完毕的完整DOM内容传给WeasyPrint，反而让WeasyPrint直接请求原始站点URL
• WeasyPrint是纯静态渲染工具，本身不执行JavaScript逻辑，独立请求原始URL时，既拿不到你点击筛选后生成的动态表格数据，也无法抓取站点通过JS动态加载的页面元素，最终就会出现PDF里大部分内容空白的问题
• 额外的干扰因素：WeasyPrint独立发起请求时，受站点反爬规则、静态资源跨域限制影响，会出现CSS样式、图片资源加载失败的问题，进一步加剧排版错乱

分步修复实现 #

1. 核心逻辑调整：传递Selenium渲染后的完整DOM给WeasyPrint #

不要让WeasyPrint自行发起URL请求，直接从Selenium实例中提取经过交互、动态加载完成的完整页面源码，同时带上页面的基础URL解决相对路径资源加载问题：

from classes.main import *
import weasyprint
import datetime
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By

url = "https://www.dnv.org/property-development/look-building-and-trades-permits"

with Display(visible=False, size=(1200,1500)):
    print("display initiated")
    browser.get(url)
    print("browser loaded")

    # 等待页面核心元素加载完成
    WebDriverWait(browser, 15).until(EC.presence_of_element_located((By.ID, "main-content")))
    print("Page loaded")

    # 执行过去30天筛选交互
    browser.find_element(By.XPATH, '//*[@id="lastcalendardays"]').click()
    # 替换固定sleep，用显式等待判断目标表格完全渲染
    WebDriverWait(browser, 10).until(
        EC.presence_of_element_located((By.XPATH, "//*[contains(text(), 'Permits Issued in the past 30 days')]/following::table[1]"))
    )
    sleep(1)

    # 提取当前已渲染完成的完整HTML源码
    rendered_html = browser.page_source
    current_base_url = browser.current_url

    # 处理文件名中的非法字符
    current_time = datetime.datetime.now().strftime("%Y-%m-%d %H-%M-%S")
    save_path = f'/bm/data/{current_time} - northvandistrict.pdf'

    # 生成PDF，传入基础URL解决静态资源路径问题，追加适配PDF的自定义样式
    pdf = weasyprint.HTML(
        string=rendered_html,
        base_url=current_base_url
    ).write_pdf(
        stylesheets=[weasyprint.CSS(string="""
            body {width: 1200px; margin: 0; padding: 10px;}
            /* 强制表格适配PDF宽度，避免内容溢出裁切 */
            table {width: 100% !important; page-break-inside: avoid; border-collapse: collapse;}
            /* 隐藏PDF中不需要的交互类元素，减少排版干扰 */
            .site-navigation, .filter-controls, .site-footer {display: none;}
        """)]
    )

    with open(save_path, 'wb') as f:
        f.write(pdf)

print("PDF生成完成")
browser.quit()

2. 常见残留异常的补充处理 #

• 如果仍出现表格内容空白：可在提取DOM前执行JS代码强制触发页面懒加载，确保所有表格行元素都渲染到DOM树中
• 如果出现CSS样式错乱：可在生成PDF前，提取页面加载完成的所有外链、内联CSS资源，统一传入WeasyPrint的stylesheets参数，避免资源加载失败
• 等待逻辑优化：全程使用显式等待判断目标元素加载状态，替代固定时长的sleep，避免因页面加载速度波动提取到不完整的DOM

内容的提问来源于stack exchange，提问作者decoy24601