html2png.dev：一条 POST 把 HTML 渲染成高清图片的边缘 API
阅读时间: 大约 7 分钟
html2png.dev：一条 POST 把 HTML 渲染成高清图片的边缘 API
做开发者常常遇到一个小而烦的需求：把一段 HTML 渲染成一张图——比如给每篇博客动态生成社交分享卡片（OG image）、把发票模板渲染成 PDF、让 LLM agent 直接吐一张图。自己搭意味着装 Puppeteer/Playwright、维护 Chromium 版本、搞队列和并发，长期是一笔隐性运维账。html2png.dev 把这件事收窄成一个 HTTP 端点：POST https://html2png.dev/api/convert，请求体直接放原始 HTML，拿回一张托管好的图片 URL。官方定位很直白：“The image generation API your LLM will love to use”。
一、怎么用：原始 HTML 进，图片 URL 出
它刻意把接口做得极简——不要 SDK、不要 API Key、不要 JSON 包裹：
POST https://html2png.dev/api/convert?width=1200&height=630&format=png&deviceScaleFactor=2
Content-Type: text/html
<h1 style="font-family:sans-serif">Hello world</h1>响应是 JSON，关键字段：url（可直接嵌入的公开图片路径）、filename（基于内容哈希的标识）、cached（是否命中缓存）、format、timestamp、success。官方特别说明 url 不缓存（not cached），而 cached 字段表示本次是否走了缓存。因为是纯 HTTP，Node / Python / PHP / Go 任意栈都能调，官方文档四种语言各给了一份示例。
二、渲染是怎么做的：边缘上的真实 Chromium
官方的解释分三步：POST 你的 HTML → 边缘的无头 Chromium 真实渲染 → 返回托管 URL。关键点在于它强调用的是真 Chromium 引擎，所以 Tailwind via CDN、Google Fonts、SVG、JavaScript 甚至 CSS 动画都会像在浏览器里一样执行完再截图；浏览器会等所有外部资源加载完才捕获。这也是它敢说”精准还原复杂 CSS”的底气。
可调参数覆盖了截图常见旋钮：
| 参数 | 作用 |
|---|---|
width / height | 输出画布尺寸（默认 1200×630） |
format | png / jpeg / webp / pdf |
deviceScaleFactor | Retina 缩放，1–4（2x/4x 高清） |
delay | 捕获前等待毫秒数（等动画/字体） |
zoom | 视口缩放，0.1–3.0 |
selector | 只截取某个 CSS 元素而非整屏 |
omitBackground | 透明背景（做 logo/图标） |
三、典型场景与”Agent 原生”叙事
官网列的用法很贴地气：动态 OG 分享卡、发票/收据渲染成 PDF、把 SVG/图表库产物静态化进报告和邮件、邮件内富文本降级成图片（邮件客户端会撕现代 CSS）、批量证书/票券，以及——让 Claude/GPT 这类 agent 直接 POST 一段 HTML 拿回一张成品图。最后这点它专门做了一节 “Beyond MCP”：agent 本来就会发 HTTP 请求，没必要为了出图再维护一个 MCP server。这是个合理的产品判断。
四、自建 Puppeteer vs 托管 API
它的竞争对手其实不是同类 SaaS，而是”你自己起一个 Puppeteer 服务”。取舍很清楚：托管版把起步成本压到一条 POST，但代价是 HTML 内容要发到它的边缘服务；自建版数据不出机、不受配额限制，但要自己扛 Chromium 运维。
五、口径与局限
官方 FAQ 里白纸黑字写了两条，必须照实说：
- 免费额度是 200 请求 / 小时 / 每个 IP，不需要 API Key——这意味着免费档是按 IP 限流的，多用户共用一个出口 IP 时额度会被很快打光；
- 生成”通常要几秒钟”，取决于 HTML 复杂度和外部资源加载——它不是毫秒级，不适合放在同步强延迟敏感的链路里；
- 数据出域：你的 HTML（可能含动态内容、用户名、订单金额）会发到它的边缘服务器渲染，响应官方称
url不缓存——但对合同、内部报表这类敏感 HTML，仍需自行评估是否可接受外发。
它没有公开 SLA、企业定价或自托管选项，目前就是一个面向 vibe coding / agent 出图的轻量免费端点。
还有一个容易被忽略的工程细节：因为接口设计成”原始 HTML 直接进请求体”，对 LLM agent 极其友好——模型本来就擅长生成 HTML 字符串，不需要像调传统图片 API 那样处理多层 JSON 转义、字段嵌套或 MCP 工具描述。这也是它”Beyond MCP”叙事成立的根因：把出图能力降维成一个 HTTP POST，agent 用最朴素的工具调用就能完成闭环。代价则是可观测性弱——没有 API Key 意味着没有用量后台，团队想统计谁调了多少次、失败率多少，只能在自己这侧记录响应里的 filename 与 success 字段。
六、适合谁
- 博客/SaaS 要给每篇文章、每个用户动态生成 OG 分享图；
- 想用程序批量把 HTML 模板变成发票/证书 PDF；
- 让 LLM agent 直接产出图片，而不愿搭 MCP server 或自建浏览器集群。如果你的渲染是高频、含敏感数据或对延迟苛刻，自建 Playwright 仍是更可控的选择。