在使用 Python 下载在浏览器中打开的 PDF 文档时，可以通过自动化工具控制浏览器并拦截或捕获 PDF 文件流。以下是几种实现方式及注意事项： ### 使用 `Playwright` 自动化浏览器下载 PDF `Playwright` 是一个强大的浏览器自动化库，支持 Chromium、Firefox 和 WebKit，并可以用于模拟用户行为，例如点击、输入以及处理文件下载。 以下是一个使用 `Playwright` 的示例代码，展示如何在页面加载后检测到 PDF 并触发下载： ```python import asyncio from playwright.async_api import async_playwright async def handle_route(route, request): # 拦截所有请求，检查是否为 PDF 文件 if request.resource_type == "document" and ".pdf" in request.url: print(f"Intercepted PDF: {request.url}") await route.continue_() # 可以通过 page.download_path() 设置下载路径 else: await route.continue_() async def run(): async with async_playwright() as p: browser = await p.chromium.launch(headless=False) context = await browser.new_context() page = await context.new_page() # 监听路由事件，拦截 PDF 请求 await page.route("**/*.pdf", lambda route, request: handle_route(route, request)) # 打开包含 PDF 的网页 await page.goto("https://example.com/document.pdf") # 等待一段时间以便观察下载过程 await page.wait_for_timeout(5000) await context.close() await browser.close() asyncio.run(run()) ``` 上述代码展示了如何通过 `page.route()` 方法拦截 PDF 请求并进行后续操作（如记录 URL 或触发下载）[^2]。 --- ### 使用 `requests` 直接下载 PDF（无需浏览器） 如果目标 PDF 文件链接是公开可访问的，则可以直接使用 `requests` 库进行下载： ```python import requests url = "https://example.com/document.pdf" response = requests.get(url) with open("document.pdf", "wb") as f: f.write(response.content) print("PDF downloaded successfully.") ``` 该方法适用于已知 PDF 链接的情况，但无法处理需要登录或 JavaScript 动态加载的内容。 --- ### 使用 `Selenium` 控制浏览器下载 PDF（适用于复杂场景） 对于某些需要 JavaScript 渲染或登录验证的网站，可以使用 `Selenium` 配合浏览器驱动程序（如 ChromeDriver）进行控制。设置浏览器的默认下载路径和文件类型处理方式： ```python from selenium import webdriver from selenium.webdriver.chrome.options import Options import time chrome_options = Options() prefs = { "download.default_directory": "/path/to/download/folder", "plugins.always_open_pdf_externally": True # 不在浏览器中预览 PDF，而是直接下载 } chrome_options.add_experimental_option("prefs", prefs) driver = webdriver.Chrome(options=chrome_options) driver.get("https://example.com/document.pdf") time.sleep(5) # 等待文件下载完成 driver.quit() ``` 此方法适用于需要完整浏览器环境支持的场景，例如涉及认证、JavaScript 渲染等。 --- ### 总结与建议 - **推荐使用 `Playwright`**：它具备高级功能如拦截请求、异步支持、多浏览器兼容性，适合现代网页应用。 - **简单下载可用 `requests`**：适合静态资源且不需要浏览器交互的场景。 - **复杂场景考虑 `Selenium`**：适用于需要登录、JS 渲染或与 DOM 元素交互的网站。 ---