网页图文转 PDF (Web2PDF) v0.2.2
把网页（URL）或用户粘贴的图文内容，变成排版干净、图片完整的 PDF 文件，直接交付下载。
> 本 skill 自带可执行脚本：scripts/page-to-pdf.js（Node.js 渲染入口，约 12KB）、scripts/self-check.js（环境自检）、package.json（main/bin 已声明 scripts/page-to-pdf.js）。无需下载任何浏览器引擎即可运行——脚本自动探测系统已装的 Edge / Chrome 做零依赖直打。
> 边界声明：本 skill 只处理「网页 / 网页内容 → PDF」。若目标是本地文档（Word / PPT / Markdown / Excel）转 PDF，不归本 skill，引导用户走对应文档转换流程。
When to use
- 用户给了一个网页链接，要「存成 PDF / 转成 PDF / 保存网页 / 网页打印 / 导出页面」。
- 用户贴了一段图文内容（文字 + 图片），要「做成 PDF」。
- 用户要「把这篇网页 / 这篇文章保存下来慢慢看」。
触发词（清晰路由用）
中文：
网页转PDF · 网页转成PDF · 网页保存为PDF · 网页存成PDF · 网页存PDF · 保存网页 · 网页下载 · 网页打印 · 页面导出PDF · 链接转PDF · URL转PDF · 这篇文章存成PDF · 把网页存下来 · 把页面做成PDF · 存成PDF（伴随链接出现）
英文：
web to pdf · webpage to pdf · save webpage as pdf · export page as pdf · url to pdf · print to pdf · convert webpage to pdf
负向判定（不触发）： 目标是本地文件转换（word转pdf / ppt转pdf / md转pdf）→ 不归本 skill；没有 URL 也没有任何图文内容，纯口头描述「我想做个pdf」→ 先追问内容来源。
意图路由（第一步先做）
| 维度 | 分支 | 判定依据 |
|---|---|---|
| 输入形态 | 模式A：URL模式 | 输入含 http(s):// 链接 → 直接抓网页 |
| 模式B：内容模式 | 无链接，只有图文内容 → 组稿成 HTML 再打印 | |
| 输出偏好 | 原版式（默认） | 用户没说 → 所见即所得直打，保留页面排版与配色 |
| 阅读版（可选） | 用户明确要「干净版 / 去广告 / 只留正文」→ 按阅读版组稿：去除原网页导航（技能/插件/登录/发布入口）、推荐区图标、页脚，仅保留正文图文后重排 | |
| 特殊场景 | 懒加载页面 / 登录墙 | 见 references/faq-troubleshooting.md |
路由完成后，先跟用户确认一句：「按原版式把整页存成 PDF，对吗？」——除非用户指令已明确。避免在「原样保存」和「干净阅读版」之间猜错方向白跑一趟。
执行逻辑（核心五步）
flowchart LR
A[① 解析输入] --> B[② 探测渲染引擎]
B --> C[③ 渲染并打印 PDF]
C --> D[④ 校验产物]
D --> E[⑤ 交付下载]
Step ① 解析输入
- 模式A：提取 URL；注意 URL 编码（含中文/空格要 encode）；确认协议是 http/https。
- 模式B：收集用户图文内容 → 按
references/content-html-template.md的规范组稿为本地 HTML 文件（内嵌图片用 base64，避免外链图片失效）。 - 明确输出偏好（原版式 / 阅读版），写入渲染参数。
Step ② 探测渲染引擎（按优先级）
- 引擎A：系统 Edge/Chrome headless（默认，零依赖）
- 脚本自动探测 Windows / macOS / Linux 常见路径（Edge 优先，Chrome 兼容同参数）。
- 命中即用，无需安装任何东西。 - 引擎B：Playwright（msedge channel）（懒加载/动态页必保）
- 首选playwright-core：几 MB 的纯驱动，通过channel: 'msedge'直接驱动系统 Edge，无需下载 Chromium。
- 安装（脚本会自动探测本地node_modules与~/.workbuddy/binaries/node/workspace/node_modules）：
bash npm install playwright-core # 或完整版（含自带 Chromium，~150MB） npm install playwright && npx playwright install chromium
- 启用条件：页面滚动触发懒加载（IntersectionObserver /img[data-src]/img[loading="lazy"]）或动态渲染、需自定义滚动加载。
Step ③ 渲染并打印 PDF
- 调
node scripts/page-to-pdf.js <url|htmlFile> <outPdf> [options]： - 模式A → 直接传 URL。
- 模式B → 先写 HTML 文件，再传
file://路径。 - 脚本默认行为：
--headless=new+--no-pdf-header-footer+--virtual-time-budget=15000（虚拟时间预算，处理定时器与常见懒加载）+ 独立--user-data-dir（避免与用户已打开的浏览器冲突）。 - 懒加载/图片多场景默认加
--check-lazy：Edge 成功后自动用 Playwright 检测页面是否含data-src或loading="lazy"图，命中则自动切引擎B 滚动重打——图片完整必保。已实测：懒加载 10 张图 100% 命中。 - 阅读版需求时：先在内存里做正文提取并按阅读版组稿——去除原网页导航（技能/插件/登录/发布入口）、推荐区图标、页脚与广告，仅保留正文图文，重排为干净 HTML 后再打印；交付说明里声明「已去除导航/推荐区/页脚，仅保留正文图文」。
Step ④ 校验产物（诚实声明的前提）
必须逐项确认，缺一项就在交付里如实说明：
- [ ] PDF 文件存在且大小 > 0（脚本返回 ok: true）。
- [ ] 页数 >= 1（用脚本输出的 pages，或 python/fitz 复核）。
- [ ] 图片完整性抽查：PDF 体积与页面图片数量大致匹配；若页面有大量图片但 PDF 异常小（如 < 50KB），判定图片可能未加载 → 提示用户并给「引擎B 重试」选项。
Step ⑤ 交付下载
- 用
present_files交付 PDF（自动打开预览 + 卡片下载）。 - 说明输出路径与页数/体积；提示可再跑一次换「阅读版」或「引擎B」得到不同效果。
输出文件约定
- 命名：
<页面标题或主题>_<YYYYMMDD>.pdf，放当前工作区outputs/下。 - 绝不覆盖用户已有文件；重名则加序号。
质量闸门（安全底线）
- 诚实声明：PDF 必须真跑过脚本且校验通过才说「已生成」；没跑成功就说「转换失败 + 原因」。
- 不绕过访问控制：登录墙 / 付费墙 / 验证码页面，直接告知「该页面需要登录，无法完整抓取」，不破解、不伪造 Cookie。
- 图片完整性如实报告：图片缺失不隐瞒，给出原因（懒加载未触发 / 防盗链 / 外链失效）与补救选项。
- 版权边界：交付物仅供个人保存、学习、内部传阅；不用于商业再分发，涉及明显侵权内容提示用户注意。
- 声明假设：阅读版组稿后，明确说明「已去除原网页导航、推荐区与页脚，仅保留正文图文」。
脚本参考
# 运行环境自检（无需浏览器，证明脚本可运行 + 探测浏览器/Playwright 是否就绪）
node scripts/self-check.js
# 模式A：网页直打（原版式）
node scripts/page-to-pdf.js "https://example.com/article" outputs/article.pdf
# 模式A：网页直打 + 更长加载时间（图片多/慢站）
node scripts/page-to-pdf.js "https://example.com" outputs/p.pdf --timeout 30000
# 模式A：懒加载/图片多站点（必保图片完整）—— 推荐默认加 --check-lazy
node scripts/page-to-pdf.js "https://news.example.com/article" outputs/p.pdf --check-lazy
# 模式B：本地组稿 HTML（file://）
node scripts/page-to-pdf.js "D:/work/article.html" outputs/article.pdf
# 全参数
node scripts/page-to-pdf.js <input> <output> [--viewport WxH] [--timeout MS] [--keep-header] [--check-lazy]
