网页转 PDF 与 Markdown 转换器

要解决的问题

抓取网页或微信文章时，常需要把正文、图片和版式保存到本地，便于离线阅读、归档或二次编辑。手动复制容易丢失样式，普通下载可能只有 HTML 或截图，批量处理则更麻烦。

工作方式和核心能力

url2pdf-mk 以 main.py 作为统一入口，根据输入自动路由：单条 URL 走单篇抓取，多条 URL 或 xlsx 文件走批量抓取。若本机有 Chrome/Chromium/Edge，可启动浏览器实例，通过 CDP 获取完整 DOM、计算样式并调用浏览器原生 PDF 打印，输出 PDF + Markdown；若没有浏览器，则降级为 HTTP 模式，输出 Markdown。

• 单篇模式：scrape.py 抓取网页，保留图片、排版与样式。
• 浏览器批量模式：batch_scrape.py 只启动一次浏览器实例，适合处理 xlsx 中的多个链接。
• HTTP 批量模式：batch_http.py 不依赖浏览器，资源占用低，但无法处理 JavaScript 渲染内容，也不输出 PDF。

工具还会尝试识别微信文章标题和发布日期，并按日期在桌面创建归档目录，便于后续检索。

适用边界与注意点

它主要面向公开网页和微信文章的离线化，不替代复杂爬虫或数据清洗。视频/音频通常只保留封面或链接，微信小程序只能提取静态内容，HTTP 模式可能受反爬限制。默认模式可能复用真实 Chrome Profile 并访问 Cookie/登录态，因此公开内容建议优先使用 --isolated；需要登录态时再考虑默认模式或沙箱环境。