结合puppeteer和egg.js搭建html转pdf或png的node中间层服务。

由于项目需要搭建一个node服务器,用来做html模板渲染,以及将渲染结果转化为pdf或者png。项目已放在GitHub,查看源码,请点这里。经过一段时间的调研,主要对比了两个工具。一个是chrome官方提供的无头浏览器node包,puppeteer,另一个是命令行工具wkhtmltopdf。接下来简单介绍一下两者的区别和优缺点。

工具 优点 缺点
wkhtmltopdf

1、使用简单,

2、占用空间小,使用的是webkit engine渲染,

3、渲染效果较好,对css支持比较友好,

1、对自定义header不支持domString,只支持url

puppeteer

1、使用简单,官网直接有api提供

2、渲染效果好,由于使用的是chrome的无头浏览器,所以渲染效果和chrome差不多。

3、chrome官方出品的开源包,所以维护者比较多。

4、直接支持domString渲染。

1、要下载chrome浏览器,占用空间大,

2、启动chrome实例比较耗时,

后面经过使用链接池的优化,chrome的耗时成功降下来。由于项目比较看重时间损耗,所以最终选择puppeteer。接下来切入正题。本文将讲述puppeteer的一些优化措施,以及怎么结合egg.js搭建成最终的服务器。

1、开发环境:

egg -v 2.15.1

node.js -v 12.16.3

egg-view-nunjucks -v 2.2.0

puppeteer -v 4.0.0

generic-pool -v 3.7.1

2、项目构建:

建议直接使用egg模板进行初始化

npm init egg --type=simple

接下来直接npm i就可以了。然后安装我们项目所需要的一些依赖,比如我们的主角puppetter、node的一个promise链接池generic-pool、egg的模板渲染引擎egg-view-nunjucks。

npm i generic-pool puppeteer egg-view-nunjucks

egg.js 奉行『约定优于配置』,所以对项目目录什么的都有严格的要求,具体信息请查看官方文档。下面是我的目录结构

结合puppeteer和egg.js搭建html转pdf或png的node中间层服务。

由于我们引入了模板引擎,所以需要进行一些简单的配置,首先打开config/plugin.js加上如下代码:

  view: {
    enable: true,
    package: ‘egg-view‘
  },
  nunjucks: {
    enable: true,
    package: ‘egg-view-nunjucks‘
  }

接下来打开config/config.default.js 加入以下代码。模板引擎的配置就完成了。

  // add your user config here
  const userConfig = {
    // myAppName: ‘egg‘,
    view: {
      defaultViewEngine: ‘nunjucks‘,
      defaultExtension: ‘.html‘,
      mapping: {
        ‘.html‘: ‘nunjucks‘
      }
    }
  };

3、puppeteer的优化方案:

受到一篇关于puppeteer和generic-pool文章的启发,链接点这里,在它的基础上做了一些改动。主要是因为puppeteer启动一个chrome实例的时间成本较大。然后每启动一个页面也需要时间成本。所以考虑使用链接池来减少启动chrome实例和page页面的时间消耗,建立一个chrome实例的链接池,封装一个page页面的链接池。每次请求来了以后直接去链接池里取出实例和页面。使用page.setContent()来进行操作,可以大大地节省时间,另外关于chrome的一些启动参数修改,比如单进程模式运行 Chromium等。好的废话不多说直接上代码:

pagePool。js

const puppeteer = require(‘puppeteer‘);
const genPool = require(‘./gen-pool‘);

const pagePool = async (config, options) => {

  const browser = await puppeteer.launch(options)

  const factory = {
    create: () => {
      return browser.newPage()
        .then(instance => {
          instance.useCont = 0;
          return instance
        })
    },
    destroy: (instance) => {
      instance.close()
    },
    validate: (instance) => {
      return Promise.resolve(instance)
              .then(valid => {
                Promise.resolve(valid && (config.maxUses <= 0 || instance.useCont < config.maxUses))
              })
    }
  }

  const pool = genPool(factory, config)
  pool.closeBrowser = () => {
    return browser.close()
  }
  return pool
}

module.exports = pagePool

genPool。js

const genericPool = require(‘generic-pool‘);

const genPool = (factory, config) => {

  /**
   * 创建一个链接池
   */
  const pool = genericPool.createPool(factory, config)
  const genericAcquire = pool.acquire.bind(pool)

  /**
   * 消耗次数统计
   */
  pool.acquire = () => 
    genericAcquire()
      .then((instance) => {
        instance.useCont += 1;
        return instance
      })
  /**
   * 不管调用成功与否,都消耗一次实例
   */
  pool.use = fn => {
    let resource
    return pool.acquire()
      .then(res => {
        resource = res
        return resource
      })
      .then(fn)
      .then(
        (res) => {
          pool.release(resource)
          return res
        },
        (err) => {
          pool.release(resource)
          return err
        }
      )
  }

  return pool
}

module.exports = genPool

puppeteer-pool.js

const pagePool = require(‘./page-pool‘);
const genericPool = require(‘generic-pool‘);
/**
 * 生成一个puppeteer链接池
 * @param {Object} [options] 创建池的配置
 * @param {Object} [options.poolConfig] 链接池的配置参数
 * @param {Number} [poolConfig.max = 10] 链接池的最大容量
 * @param {Number} [poolConfig.min = 2] 链接池的最小活跃量
 * @param {Boolean} [poolConfig.testOnBorrow = true] 在将 实例 提供给用户之前,池应该验证这些实例。
 * @param {Boolean} [poolConfig.autoStart = true] 启动时候是否初始化实例
 * @param {Number} [poolConfig.idleTimeoutMillis = 60*60*1000] 实例多久不使用将会被关闭(60分钟)
 * @param {Number} [poolConfig.evictionRunIntervalMillis = 3*60*1000] 多久检查一次是否在使用实例(3分钟)
 * @param {Object} [options.puppeteerConfig] puppeteer的启动参数配置
 */
const puppeteerPool = (options = { poolConifg: {}, puppeteerConfig: {} }) => {
  const config = {
    max: 10,
    min: 2,
    maxUses: 2048,
    testOnBorrow: true,
    autoStart: true,
    idleTimeoutMillis: 60 * 60 * 1000,
    evictionRunIntervalMillis: 3 * 60 * 1000,
    ...options.poolConfig
  }

  const launchOptions = {
    ignoreHTTPSErrors: true,
    headless: true,
    pipe: true,
    args: [
      // ‘--disabled-3d-apis‘,
      // ‘--block-new-web-contents‘,
      // ‘--disable-databases‘,
      ‘–disable-dev-shm-usage‘,
      // ‘--disable-component-extensions-with-background-pages‘,
      ‘–-no-sandbox‘,
      // ‘--disable-setuid-sandbox‘,
      ‘–-no-zygote‘,
      ‘–-single-process‘,
      ‘--no-first-run‘,
      ‘--disable-local-storage‘,
      // ‘--disable-media-session-api‘,
      // ‘--disable-notifications‘,
      // ‘--disable-pepper-3d‘,
      ‘--disabled-gpu‘
    ],
    ...options.puppeteerConfig
  }

  const factory = {
    create: async() => {
      const page = await pagePool(config, launchOptions)
      return Promise.resolve(page)
    },
    destroy: async (instance) => {
      if(instance.drain) {
        await instance.drain()
          .then(() => {
            instance.clear()
          })
      }
      instance.closeBrowser()
    },
    validate: (instance) => {
      return Promise.resolve(true)
    }
  }

  const pool = genericPool.createPool(factory, config)

  return pool
}

module.exports = puppeteerPool

如上所示,我们封装了一个page的链接池,在page链接池的基础上封装了一层chrome实例的链接池。项目流程是:收到http请求>从链接池中取出chrome实例>再从chrome实例的链接池中取出一个page链接>在这个链接中执行你的业务代码>返回数据。这样做的好处就是每次请求过来都可以复用之前的page,减少了开销。当然这样的缺点就是,你初始化的时候需要一些内存空间去存放这些实例。

4、结合eggjs:

在egg.js中首先启动服务器时候需要初始化这些实例,创建一个app.js然后在didLoad生命周期中初始化实例:

结合puppeteer和egg.js搭建html转pdf或png的node中间层服务。

接下来就是写你的controller和service进行业务逻辑。基本上已经大功告成,如有问题,欢迎大家留言指正。

结合puppeteer和egg.js搭建html转pdf或png的node中间层服务。

上一篇:06前端css3增加选择器


下一篇:linux使用命令访问网站的集中方式