匯出的網站、文件集或已存檔的 Web 內容中的 HTML 文件夾代表了以瀏覽器可以理解但文件系統不能理解的格式鎖定的有價值的資訊。將這些文件轉換為單一組合PDF Batch文件可將內容保留為可移植、可列印和可存檔的格式。轉換過程會導覽 HTML 文件、呈現其內容並將所有內容組合成一個 PDF。
將 HTML 檔案批次轉換為單一 PDF 涉及兩個階段：將每個 HTML 檔案單獨渲染為 PDF 頁面或部分，然後將這些單獨的輸出合併到一個組合文件中。渲染階段處理文字格式化、影像嵌入和超連結保存。合併階段處理頁面排序、一致的格式和文件結構。
WukongPDF 的Web 到 PDF 和PDF Export 轉換工具可處理 HTML 到 PDF 的批次轉換，以進行 Web 內容保存和文件歸檔。
方法 1：透過手動組裝瀏覽器列印為 PDF
對於少量 HTML 檔案（通常少於 20 個），瀏覽器列印到 PDF 方法與手動組裝結合就足夠了。在瀏覽器中開啟每個 HTML 檔案。使用 Ctrl+P 或 Cmd+P 開啟列印對話方塊。將目標設定為另存為 PDF。設定頁面設定：選擇正確的紙張尺寸，將網頁內容的邊距設為最小，並啟用背景圖形以保留頁面樣式。
將每個檔案儲存為單獨的 PDF，並使用包含頁面順序的描述性檔案名稱。儲存所有文件後，使用 PDF 合併工具將它們合併為一個文件。在 Acrobat Pro 中，使用合併檔案工具。在瀏覽器中，使用線上 PDF 合併服務。合併之前按正確的順序排列文件。
瀏覽器方法可讓您控制每個頁面的呈現。您可以調整每個文件的列印設置，以處理具有不同佈局、寬度或背景要求的頁面。代價是需要手動單獨打開和保存每個文件，超過大約 20 個文件就變得不切實際。
方法 2：使用 Headless Chrome 進行命令列轉換
在文件工作流程中，對於許多 HTML 文件的批次轉換，無頭瀏覽器提供了自動化。 Headless Chrome 在沒有可見介面的情況下運行，可以透過命令列指令將 HTML 渲染為 PDF。指令 chrome --headless --disable-gpu --print-to-pdf=output.pdf input.html 將單一 HTML 檔案渲染為 PDF。
將命令封裝在 shell 腳本中，該腳本會迭代資料夾中的所有 HTML 文件，將每個文件呈現為 PDF，並命名輸出文件以保留正確的頁面順序。 bash 迴圈處理整個資料夾： for f in *.html; 執行 chrome --headless --print-to-pdf=“${f%.html}.pdf” “$f”；完畢。渲染所有文件後，將各個 PDF 合併為一個組合文件。
Headless Chrome 提供準確的渲染，與使用者在常規瀏覽器視窗中開啟 HTML 檔案時看到的內容相符。 CSS 樣式、JavaScript 產生的內容和 Web 字型都可以正確呈現，因為呈現引擎與標準 Chrome 瀏覽器相同。
方法 3：專用 HTML 到 PDF 轉換工具
有幾種專門用於 HTML 到 PDF 轉換的工具，具有專為批次設計的功能。 wkhtmltopdf 是一個開源命令列工具，它使用 WebKit 渲染引擎將 HTML 轉換為 PDF。它支援透過 shell 腳本進行批次轉換，並提供頁面大小、邊距、頁眉和頁腳內容以及目錄生成選項。
Prince XML 是一種商業工具，可以從 HTML 和 CSS 產生高品質的 PDF 輸出。它用於印刷品質至關重要的專業出版工作流程。 Prince 處理複雜的 CSS 佈局，包括多列文字、腳註和特定頁面的樣式，產生適合印刷生產的輸出。
線上轉換服務接受 HTML 內容的 ZIP 檔案並傳回合併的 PDF 輸出。這些服務方便偶爾使用，且無需安裝軟體。代價是 HTML 檔案被上傳到遠端伺服器進行處理，這對於機密內容來說可能是不可接受的。
在 HTML 到 PDF 轉換期間保留超連結
HTML 檔案之間的內部超連結（例如頁面之間的導覽連結）應保留在合併的 PDF 中作為內部頁面連結。轉換工具必須將原始 HTML 檔案引用對應到 PDF 輸出中對應的頁碼。並非所有轉換工具都會自動支援此映射。
使用啟用本機檔案存取標誌配置時，wkhtmltopdf 會保留內部連結。 Prince XML 預設保留超連結。 Headless Chrome 的列印轉 pdf 功能不會自動將內部 HTML 連結轉換為 PDF 內部連結。轉換後，使用 Acrobat Pro 的連結工具在 PDF 中手動新增關鍵導覽路徑的連結註解。
大多數轉換工具會將指向其他網站的外部超連結保留為可點擊的 PDF 連結。測試輸出 PDF 中的外部連結範例，以確認它們正確地在轉換過程中倖存下來。
管理頁碼和文檔結構
實際上，來自多個 HTML 檔案的組合 PDF 需要一致的頁碼和邏輯文件結構。合併後使用 Acrobat Pro 的頁首和頁尾工具新增頁碼。建立一個目錄頁，列出主要部分及其起始頁碼。為每個主要部分新增 PDF 書籤以啟用側邊欄導覽。
從廣義上看，在文件工作流程中，對於具有清晰層次結構的 HTML 文件集，請在 PDF 結構中保留該層次結構。主索引頁成為 PDF 封面或簡介。子頁面成為帶有相應書籤的部分。文件結構可協助讀者像瀏覽原始 HTML 網站一樣輕鬆瀏覽轉換後的內容。
處理具有不同字元編碼的 HTML 檔案
批次中的 HTML 檔案可能會使用不同的字元編碼。使用 ISO-8859-1 的舊頁面與使用 UTF-8 的新頁面混合會在 PDF 輸出中產生亂碼。轉換之前，將所有 HTML 檔案標準化為 UTF-8 編碼。使用文字編輯器或 iconv 等命令列工具轉換非 UTF-8 檔案。
標準化編碼後，驗證特殊字元在 PDF 輸出中是否正確呈現。非拉丁字母、數學符號和印刷引號中的字元是常見的故障點。在最終確定合併的 PDF 之前，抽查包含這些字元的頁面。
在 HTML 到 PDF 轉換期間最佳化圖片處理
HTML 檔案可能使用在批次轉換期間中斷的相對路徑來引用影像。轉換之前，將影像引用更新為絕對路徑，或確保轉換工具可以根據正確的基底目錄解析相對路徑。 PDF 輸出中遺失的影像顯示為具有損壞影像圖示的空矩形。
對於包含大圖像的 HTML 文件，PDF 輸出可能會出乎意料地大。配置轉換工具以將影像縮小採樣到適合 PDF 用途的適當解析度。螢幕檢視 PDF 可以使用 150 DPI 的影像。列印品質的 PDF 需要 300 DPI 的影像。
從 HTML 頁面標題建立目錄
每個 HTML 頁面都有一個標題標籤，可以用作 PDF 書籤標籤。合併各頁面的 PDF 後，使用頁面標題建立 PDF 書籤。在 Acrobat Pro 中，可以手動建立書籤，也可以透過讀取 HTML 標題標籤並產生對應書籤條目的腳本來建立書籤。
帶有良好書籤的組合 PDF 提供與原始 HTML 網站導航等效的導航。讀者可以展開書籤樹，一目了然地查看文件結構，並直接點擊任何部分。書籤層次結構保留了原始 HTML 內容的組織結構。
驗證合併的 PDF 輸出
建立組合 PDF 後，根據原始 HTML 內容進行驗證。檢查所有預期的頁面是否以正確的順序出現。驗證文字內容是否正確呈現，沒有截斷或重疊。確認影像出現且位置正確。檢查超連結是否有效並指向正確的目的地。
關於工作流程，對於大型 HTML 文件集，使用比較頁數、檢查損壞圖像並驗證連結目標的腳本自動進行驗證。自動驗證可以擷取手動審核數百頁時可能會遺漏的轉換錯誤。驗證是合併後的 PDF 進入文件存檔之前的品質關卡。
HTML 到 PDF 轉換期間的元資料保留
HTML 檔案通常包含元數據，例如作者資訊、建立日期和元標記中的描述。大多數 HTML 到 PDF 轉換器不會自動將此元資料傳輸到 PDF。轉換後，透過「檔案」、「屬性」、「描述」在 Acrobat Pro 中手動新增文件元資料。從原始 HTML 元資料填入標題、作者、主題和關鍵字欄位。
元資料對於文件管理系統和搜尋引擎至關重要。可以發現具有準確元資料的組合 PDF。沒有元資料的組合 PDF 是一個匿名文件，只能透過其文件名來識別。轉換後花幾分鐘時間填入元資料。
大量 HTML 到 PDF 轉換以適合列印、存檔和離線分發的格式保留 Web 內容。這裡描述的方法從基於瀏覽器的手動轉換幾個文件到整個文件儲存庫的全自動命令列處理。轉換後的 PDF 採用專為長期保存和通用可訪問性而設計的格式，從而延長了 HTML 內容的使用壽命。
從廣義上考慮這一點，在實踐中，按需將 HTML 內容轉換為 PDF 的能力可確保無論原始託管平台發生變化、瀏覽器相容性更新或原始 Web 來源最終消失，仍可存取有價值的基於 Web 的資訊。對轉換的投資確保了對內容的持續訪問，否則這些內容很容易受到網站託管和線上內容管理平台的不穩定的影響。