pdf转换前需先清理广告：用devtools定位并删除广告dom元素，或用puppeteer在page.pdf()前执行javascript移除，或用wkhtmltopdf的--user-style-sheet注入css隐藏；残留广告需截图确认，顽固广告需人工校验。
PDF 转换前先用浏览器 DevTools 定位广告 DOM 元素
广告通常藏在 <div class="ad-banner">、<code><aside id="sidebar-ad"></aside> 或带 data-ad 属性的节点里。打开 Chrome → F12 → 切到 Elements 面板 → Ctrl+F 搜索 "ad"、"sponsor"、"taboola"、"taboola"、"taboola"（注意拼写变体）——不是所有都叫 ad，有些用 class="widget-ads" 或 id="taboola-below-article-thumbnails"。
确认后右键 → “Delete element”，看页面是否清爽。这一步决定后续自动化能否生效。
用 Puppeteer 在生成 PDF 前执行 JavaScript 清理
直接调 page.pdf() 不会自动去广告；必须先运行清理脚本。关键点：清理要等页面加载完成（networkidle0），且在 page.pdf() 之前执行。
await page.goto('https://example.com/article', { waitUntil: 'networkidle0' });
await page.evaluate(() => {
// 移除常见广告容器
document.querySelectorAll('div[class*="ad"], aside[id*="ad"], [data-ad], .taboola-container, #taboola-below-article-thumbnails').forEach(el => el.remove());
// 移除 iframe 广告（谨慎：别误删内容 iframe）
document.querySelectorAll('iframe[src*="doubleclick"] , iframe[src*="googlesyndication"]').forEach(ifr => ifr.remove());
});
注意：page.evaluate() 内不能访问 Node.js 变量；所有逻辑必须写成纯浏览器可执行的字符串或函数体。误删 <iframe></iframe> 可能干掉评论区或视频，建议先加 console.log 调试。
立即学习“前端免费学习笔记（深入）”；
用 wkhtmltopdf 时通过 --user-style-sheet 注入 CSS 隐藏
比 JS 方案更轻量，适合批量处理静态页。广告元素往往有固定 class 或位置特征，用 CSS display: none 直接压制。
准备一个 ad-hide.css：
div.ad-banner, .ad-wrapper, #ad-leaderboard, [data-ad-slot], .taboola-container {
display: none !important;
}
iframe[src*="doubleclick.net"], iframe[src*="amazon-adsystem.com"] {
display: none !important;
}
命令行调用：
wkhtmltopdf --user-style-sheet ad-hide.css https://example.com/article output.pdf
缺点：CSS 无法移除 <script></script> 广告加载器，也不能阻止广告 JS 执行（可能仍发请求）；但对大多数展示型广告足够有效。
PDF 输出后仍看到残留？检查字体渲染与背景图广告
有些广告是 SVG 内联绘制，或用 background-image: url(.../ad-banner.png) 加载；CSS 隐藏无效，Puppeteer 的 evaluate 也难定位。
应对方式：
- 用
page.screenshot({ fullPage: true })先截图，肉眼确认是否真“干净” - PDF 中文字模糊？可能是广告 JS 动态插入了干扰 canvas 或 webfont，需在
evaluate中额外执行document.fonts.clear()（仅 Chromium） - 导出 PDF 后用
pdfinfo output.pdf查嵌入字体，若含可疑名称（如AdFont），说明广告 JS 注入了自定义字体
真正顽固的广告往往和内容混排（比如“赞助商”混在正文段落里），这种没法靠规则清除，只能人工校验或结合 NLP 提取正文再重排 HTML。
