web-to-pdf

将多页 Web 教程/文档网站转换为带书签的 A4 PDF。

功能

• 自动发现教程站点侧边栏/导航中的所有页面链接
• 提取正文内容，移除广告/导航/侧边栏
• SVG 图表 CJK 字体修复（Mermaid 等）
• 生成封面 + 目录 + 全部章节
• Playwright (Chromium) 渲染 PDF，pypdf 添加书签

依赖

# Python 包
pip install requests beautifulsoup4 playwright pypdf

# 安装 Chromium
playwright install chromium

# macOS 字体回退
brew install pango

使用

# 基础用法
python3 web_to_pdf.py <start_url> [--output path.pdf]

# 示例
python3 web_to_pdf.py https://www.runoob.com/claude-code/claude-code-tutorial.html \
  --output ~/Claude_Code_Tutorial.pdf

# 跳过封面/目录
python3 web_to_pdf.py <url> --no-cover --no-toc

# 非 CJK 站点，跳过字体修复
python3 web_to_pdf.py <url> --no-font-fix

参数

参数	说明	默认值
url	教程起始页 URL	-
--output, -o	输出 PDF 路径	./output.pdf
--title, -t	PDF 封面标题	自动检测
--no-font-fix	跳过 SVG 字体替换	false
--delay	页面请求间隔（秒）	0.5
--no-cover	跳过封面页	false
--no-toc	跳过目录页	false

技术选型

决策	选择	原因
PDF 渲染	Playwright (Chromium)	唯一能正确渲染 SVG foreignObject + CJK 的引擎
不用 WeasyPrint	WeasyPrint 丢失 SVG foreignObject 文本	Mermaid 图表使用 foreignObject 显示标签
SVG 处理	下载 → 替换字体 → 内联	<img src=".svg"> 无法访问系统字体，内联解决
CJK 字体回退	PingFang SC, Heiti SC, Hiragino Sans GB	macOS 内置，覆盖 zh-CN/zh-TW
书签生成	Playwright 渲染 → pypdf 添加大纲	Chromium PDF 导出无书签 API，后处理添加

作为 CodeBuddy Skill 使用

将 SKILL.md 和 web_to_pdf.py 放入 ~/.claude/skills/web-to-pdf/ 目录即可。

License

MIT