colab webページ pdf化

Question

google colabにおいて
webページをpdf化しgoogle ドライブへと保存する方法はあるものなのでしょうか。

pythonを勉強しており、上記のことを自動化したく質問しました。
jupyter labなどのローカル環境も整えてはいるのですが、
基本的な開発環境はgoogle colabのため、まずはcolabでできないか模索しているところです。

一通り調べてみましたところ、
wkhtmltopdf や Pdfkit を使用することでwebページをpdf化できるというところまでは知ることができました。
ただそれらはcolabの環境ではなく、ローカル環境で動かすものということでした。

結局のところ、colabで上記のことを紹介しているような記事が見つからず、
自身で調べるのに限界を感じました。

やはりcolabだとwebページをpdf化するのは現実的ではないのでしょうか。
私の環境としては
google colab
windows10
です。

詳細なコードなどはなくても構いません。
このようなライブラリやコードの流れでできるというのがありましたら
教えていただけると助かります。

Comments

[meg_]

> google colabにおいてwebページをpdf化しgoogle ドライブへと保存する方法はあるものなのでしょうか。
今回の質問は「PDF化」についてでしょうか？

[tttkkk]

ご指摘ありがとうございます。

分かりづらく申し訳ございません。
おっしゃる通り今回の質問の軸は「pdf化」でございます。

[meg_]

> wkhtmltopdf や Pdfkit を使用することでwebページをpdf化できるというところまでは知ることができました。
> ただそれらはcolabの環境ではなく、ローカル環境で動かすものということでした。
> おっしゃる通り今回の質問の軸は「pdf化」でございます。

webページの取得まで出来ているとのことですので、質問者さんが調べられた方法で試されてみるのが良いかと思います。そこで具体的なエラー等の課題が発生した際に質問いただくのが良いかと思います。

[tttkkk]

分かりづらくてすみません。

結局、wkhtmltopdf などではパソコンにアプリケーションをインストールして前準備をしなくてはならず、
それはつまりcolabのようなクラウド環境で動作しないということになるかと思います。

私が行いたいことは
colabの環境下でwebページをpdf化していく
ということでございました。

それを色々調べたのですが、自力で見つけることができず、このように質問させていただきました次第です。
そのため、colabでwebページをpdf化するにあたって便利なライブラリは○○があるのように、少しでも何か教えていただけたなら、
そのワードで再度検索などをして調べていこうと思いました。

[meg_]

> wkhtmltopdf などではパソコンにアプリケーションをインストールして前準備をしなくてはならず、
それはつまりcolabのようなクラウド環境で動作しないということになるかと思います。
質問者さんが見つけた方法はlinuxにはインストール不可なのでしょうか？可能なのであればGoogleColaboratoryでも使用出来ませんか？（Windows専用なら無理ですが）

[tttkkk]

なるほど。
linux版のアプリケーションであれば、colabでも動かすことができるかもしれないのですね。

wkhtmltopdf はおっしゃる通りlinux版もございます。
何か方法があるかもしれません。
色々調べさせていただきます。

Answer 1

How to make pdfkit (and wkhtmltopdf) work on Google Colab?の回答のとおりに実行して正常に動作できました。

!pip install pdfkit
!wget https://github.com/wkhtmltopdf/packaging/releases/download/0.12.6-1/wkhtmltox_0.12.6-1.bionic_amd64.deb
!cp wkhtmltox_0.12.6-1.bionic_amd64.deb /usr/bin
!sudo apt install /usr/bin/wkhtmltox_0.12.6-1.bionic_amd64.deb

import pdfkit
pdfkit.from_url('http://www.example.com', 'out.pdf')

Comments

[tttkkk]

そのようなページを教えていただきありがとうございます。

私のまだまだ知識が足らずに申し訳ないのですが、
!cp wkhtmltox_0.12.6-1.bionic_amd64.deb /usr/bin
というコマンドは /usr/bin の場所にファイルをコピーしていることになるかと思います。

colabにおいて /usr/bin というのはどういうファイルを管理しているフォルダになるのでしょうか。
またインストールをするのに /usr/bin にコピーしていなくてはいけない理由などがありましたら
今後の勉強のためにも教えていただけますと幸いです。