Converter página web em PDF em C# sem navegador headless
Publicado em 3 min de leitura
Quem pesquisa como converter uma página web em PDF em C# costuma acabar em um navegador headless: um Chromium para baixar, atualizar e manter rodando em cada servidor. O renderizador do rustedf.cloud não é um navegador. Ele diagrama HTML e CSS para o papel, e você o chama por HTTP. Isso deixa a conversão curta, mas também define quais páginas ele atende, então este guia começa por aí.
O que ele faz e o que não faz
O renderizador lê HTML e CSS e desenha páginas. Disso decorrem três coisas:
- Nenhum JavaScript é executado. Uma página cujo conteúdo é montado no navegador, como um aplicativo de página única, chega como uma casca vazia. Para essas, é preciso um navegador de verdade.
- Ele nunca busca nada. Um
<img>que aponta para um endereço da web é ignorado e reportado. As imagens precisam ser URLsdata:ou imagens enviadas à sua conta. @importe@font-facesão ignorados. O que não é suportado é ignorado e reportado, nunca um erro, a menos que você peça o modo estrito.
Ele serve para páginas que o servidor já entrega como HTML completo: recibos, extratos, artigos, documentação, uma página do seu próprio aplicativo feita para impressão. Veja a lista completa em HTML e CSS suportados.
Busque a página, envie o HTML
Acrescente ao cliente tipado do guia de C# e ASP.NET Core um método que envia HTML diretamente:
public async Task<byte[]> RenderHtmlAsync( string html, string title, CancellationToken cancellationToken = default){ using var response = await http.PostAsJsonAsync( "v1/render", new { html, title }, cancellationToken);
if (!response.IsSuccessStatusCode) { var body = await response.Content.ReadFromJsonAsync<ErrorBody>(cancellationToken); throw new InvalidOperationException( body?.Error?.Message ?? $"Falha na renderização ({(int)response.StatusCode})"); }
return await response.Content.ReadAsByteArrayAsync(cancellationToken);}Depois busque a página e renderize o que veio:
public sealed class PageToPdf(HttpClient fetcher, PdfClient pdf){ public async Task<byte[]> ConvertAsync(Uri page, CancellationToken cancellationToken = default) { var html = await fetcher.GetStringAsync(page, cancellationToken);
// O campo html é um template: {{ }} e {% %} são lidos como marcadores. if (html.Contains("{{") || html.Contains("{%")) throw new InvalidOperationException("A página usa sintaxe de template própria.");
return await pdf.RenderHtmlAsync(html, page.Host, cancellationToken); }}A verificação importa. O campo html é um template, então uma página que contenha {{ ou
{%, por exemplo um trecho de código ou a casca de um framework de front-end, seria lida como
marcadores. Quando o seu HTML já está final e não tem nenhum, envie-o como está e deixe data
de fora.
Imagens
As imagens de uma página costumam apontar para endereços da web, e esses são ignorados. Baixe-as
você mesmo e incorpore como URLs data: antes de enviar o HTML:
private static readonly Regex ImageSource = new("""<img\b[^>]*?\bsrc="(?<src>[^"]+)""", RegexOptions.IgnoreCase);
private async Task<string> InlineImagesAsync( string html, Uri page, CancellationToken cancellationToken){ var sources = ImageSource.Matches(html).Select(m => m.Groups["src"].Value).Distinct();
foreach (var source in sources) { if (source.StartsWith("data:")) continue;
using var response = await fetcher.GetAsync(new Uri(page, source), cancellationToken); var type = response.Content.Headers.ContentType?.MediaType; if (!response.IsSuccessStatusCode || type is not ("image/png" or "image/jpeg")) continue;
var bytes = await response.Content.ReadAsByteArrayAsync(cancellationToken); html = html.Replace($"\"{source}\"", $"\"data:{type};base64,{Convert.ToBase64String(bytes)}\""); }
return html;}Chame-o entre a busca e a renderização. Só PNG e JPEG carregam, e imagens muito grandes ou de
resolução muito alta são recusadas com um aviso, em vez de deixar a renderização lenta. Uma
expressão regular basta para um HTML simples; para páginas bagunçadas, leia o HTML com um
parser como o AngleSharp. Um logotipo usado em todos os documentos é melhor enviado uma vez e
referenciado como asset:<id>; veja Imagens.
Confira antes de depender
Envie o mesmo corpo para POST /v1/validate. Ele renderiza a página, devolve a lista do que o
serviço não conseguiu usar e não devolve PDF nem consome crédito.
using var check = await http.PostAsJsonAsync("v1/validate", new { html, title }, cancellationToken);Console.WriteLine(await check.Content.ReadAsStringAsync(cancellationToken));Uma entrada como ImageLoadFailed ou UnsupportedProperty mostra o que a página perdeu. Nos
seus testes, acrescente "strict": true à renderização, para que uma página que use algo não
suportado falhe com 422 strict_mode_rejected e a lista do que ela usou.
Quando o endereço vem de um usuário
Quem faz a requisição à página é o seu servidor, então o endereço é um risco do seu código, não do renderizador: o serviço nunca busca um endereço vindo de um template, e isso é proposital. Se um usuário pode digitar o endereço:
- aceite apenas
httpse confira o host em uma lista de permitidos; - desligue os redirecionamentos automáticos (
AllowAutoRedirect = false) ou confira para onde cada um leva, para que um endereço público não mande você a um interno; - defina um tempo limite e um tamanho máximo de resposta no
HttpClient.
Leia Gerar com HTML direto, Validar um documento e Erros e limites.
Continue lendo
Código e integrações
Gerar PDF no ASP.NET Core: MVC, Razor Pages e minimal APIs
Transforme uma view Razor em PDF no ASP.NET Core com uma chamada de API: renderizador de views, view pronta para impressão, action MVC e handler do Razor Pages.
3 min de leitura
Código e integrações
Gerador de relatório PDF em C#: tabela paginada com totais
Monte um relatório em PDF em C# a partir de uma lista de objetos: tabela com cabeçalho repetido em cada página, total, número de página e contagem de páginas.
3 min de leitura
Código e integrações
Salvar PDF em C#: em disco, como download ou em blob storage
Salve o PDF devolvido por uma chamada de renderização em C#: grave em disco, envie como download no ASP.NET Core, guarde um link assinado ou suba para o storage.
2 min de leitura
Código e integrações
Gerar milhares de PDFs em C#: ritmo, 429 e novas tentativas seguras
Gere um lote de PDFs em C# sem enxurrada de erros 429: controle o ritmo, repita só o que é seguro, retome uma execução parada e pare quando os créditos acabarem.
3 min de leitura