木偶：从页面

Question

我正在借助Node.js和Puppeteer将网页转换为.pdf文件。

这可以正常工作，但是我想先删除此页面上的所有链接，然后再将其转换为.pdf文件，因为否则，.pdf文件包含这些链接，当有人单击它们时无法在我的应用程序中打开这些链接。有办法吗？

该页面是一个使用javascript的.aspx页面。所有链接均以“ javascript：__”开头。这是一个内联网页面，显示我们的用餐情况，我只想将用餐计划显示为.pdf。

.js文件中的内容如下：

const puppeteer = require('puppeteer');
let url = 'http://my-url.de/meals.aspx'
let browser = await puppeteer.launch()
let page = await browser.newPage()
await page.goto(url, {waitUntil: 'networkidle2' })
await page.pdf({
    format:"A4",
    path:files[0],
    displayHeaderFooter: false,
    printBackground:true
})

在我的应用中，它说“无法打开URL”，这就是为什么我希望删除这些链接。

Answer 1

这些似乎不是正确的链接，至少它们不是带有指向网站的href的<a>标签。

相反，您正在处理需要使用javascript进行导航的链接，这就是为什么这些链接在pdf中不起作用的原因。

您可以做的是在捕获页面之前将所有这些无效的href转换为对pdf有效的内容。

在下面检查我的尝试。由于我无权访问您尝试解析的实际网站，您可能需要对其进行一些修改以适合您的情况。

const puppeteer = require('puppeteer');
let url = 'http://my-url.de/meals.aspx'

(async() => {
  let browser = await puppeteer.launch()
  let page = await browser.newPage()
  await page.goto(url, {
    waitUntil: 'networkidle2'
  })

  // Modifing the page here
  await page.evaluate(_ => {
    // Capture all links that start with javascript on the href property
    // and change it to # instead.
    document.querySelectorAll('a[href^="javascript"]')
      .forEach(a => {
        a.href = '#'
      })
  });

  await page.pdf({
    format: "A4",
    path: files[0],
    displayHeaderFooter: false,
    printBackground: true
  })
})()