web-to-pdf

name	web-to-pdf
description	웹 페이지를 PDF로 변환하는 스킬. Playwright 기반 JS 렌더링 + 스크린샷 캡처 + A4 PDF 변환. 단일 페이지, 배치(트리 구조), 일반 웹사이트 모두 지원. 트리거 키워드: 'web to pdf', 'webpage pdf', '웹 pdf', '페이지 pdf', 'url pdf', 'website pdf', 'crawl pdf', 'feishu pdf'

Web-to-PDF Skill

Playwright 기반 웹 페이지 → PDF 변환 스킬. JS 렌더링 SPA(Feishu, Notion 등) 포함 모든 웹 페이지를 고품질 PDF로 변환합니다.

핵심 기능

모드	스크립트	설명
단일 페이지	web_to_pdf.py	URL 하나 → PDF 1개
배치 (Feishu)	feishu_batch_pdf.py	Feishu wiki 트리 전체 → 폴더 + PDF
배치 (Sitemap)	web_to_pdf.py --sitemap	sitemap.xml 기반 전체 사이트 → PDF

사용법

단일 페이지

python scripts/web_to_pdf.py "https://example.com/page" "output.pdf"

옵션

# 뷰포트 크기 지정
python scripts/web_to_pdf.py "URL" "output.pdf" --width 1400 --height 900

# 대기 시간 조절 (JS 렌더링이 느린 사이트)
python scripts/web_to_pdf.py "URL" "output.pdf" --wait 8000

# sitemap 기반 배치
python scripts/web_to_pdf.py "https://docs.example.com" "output_dir/" --sitemap

# CSS 셀렉터로 본문 영역 지정
python scripts/web_to_pdf.py "URL" "output.pdf" --selector "article.content"

Feishu wiki 배치

python scripts/feishu_batch_pdf.py "https://xxx.feishu.cn/wiki/TOKEN" "output_dir/"

동작 원리

URL 입력
  → Playwright Chromium 로드 (JS 렌더링)
  → 스크롤하여 lazy-load 콘텐츠 로드
  → 불필요 UI 제거 (워터마크, 사이드바, 툴바)
  → 사이트별 특수 처리 (Feishu 테이블 병합, 코드블록 정리 등)
  → 본문 HTML 추출
  → 클린 HTML 페이지 생성 (표준 CSS 적용)
  → 풀페이지 스크린샷 캡처
  → A4 비율 분할 → reportlab PDF 생성

사이트별 특수 처리

사이트	처리 내용
Feishu	sticky-row-wrapper + content-scroller 테이블 병합, 코드블록 UI 제거
Notion	본문 셀렉터 .notion-page-content
GitHub	본문 셀렉터 article.markdown-body
일반 웹	article, main, .content, body 순서로 탐색

요구사항

pip install playwright Pillow reportlab
playwright install chromium

주의사항

1. 인증이 필요한 페이지는 쿠키/토큰 설정 필요
2. 대량 크롤링 시 요청 간격 조절 필요 (기본 2초)
3. 이미지가 많은 페이지는 스크롤 대기 시간 증가 필요 (--wait)
4. PDF 파일 크기는 스크린샷 해상도에 비례 (--width로 조절)