你提供的错误信息显示：在尝试通过 Python（很可能是使用 `requests` 或 `urllib`）下载 PDF 数据表时，遇到了两类网络异常： 1. `('Connection aborted.', RemoteDisconnected('Remote end closed connection without response'))` → 表示服务器在未发送任何 HTTP 响应（如状态码、headers）的情况下，直接关闭了 TCP 连接。常见于：反爬机制触发、服务器过载、请求头缺失（如 `User-Agent`）、IP 被限流/封禁、或目标资源已下线但 URL 仍被索引。 2. `FileNotFoundError(2, 'No such file or directory')`（注意：**这不是真正的 FileNotFoundError！这是误报！**） → 实际上，该错误 **绝不会由 `requests.get()` 直接抛出 `FileNotFoundError`**。`FileNotFoundError` 是操作系统级异常，仅在对本地文件系统操作（如 `open()`, `os.path.exists()`）失败时出现。此处极大概率是你在**捕获异常后错误地将 `requests.exceptions.ConnectionError` 或 `requests.exceptions.Timeout` 等异常，与本地文件操作逻辑混用**，或日志打印/异常处理代码中误将 `str(e)` 或 traceback 解析错位，导致你看到 `'FileNotFoundError(2, ...)'` —— 但它**不是 requests 抛出的原生异常**，而是你代码中某处试图 `open()` 一个本应由 `requests` 下载后保存的本地路径（而该路径因下载失败为空/不存在），从而在后续 `open()` 时真正抛出了 `FileNotFoundError`。 ✅ 正确归因： - 根本问题是 **HTTP 请求失败**（远程断连 / 404 / 重定向失效 / SSL 问题 / User-Agent 被拒等）； - 后续 `FileNotFoundError` 是**下游副作用**：因未成功下载，PDF 未保存到本地，后续却尝试读取该不存在的文件。 --- ### ✅ 推荐解决方案（健壮的 PDF 下载 + 错误处理） 以下是一个生产级可用的 Python 函数，使用 `requests` 安全下载 PDF，并清晰区分各类错误原因，支持重试、超时、伪造请求头、自动解压重定向、并避免误判异常： ```python import os import time import requests from urllib.parse import urlparse, urljoin from requests.adapters import HTTPAdapter from urllib3.util.retry import Retry def download_pdf(url: str, save_path: str, timeout: int = 15, max_retries: int = 3) -> bool: """ 安全下载 PDF 文件，具备重试、异常分类、反爬基础适配。 Args: url: PDF 的绝对 URL（建议已 urlencode 处理） save_path: 本地保存路径（含文件名，如 "data/amp-215860174.pdf"） timeout: 单次请求超时（秒） max_retries: 连接/读取失败时最大重试次数 Returns: bool: True 表示成功保存；False 表示失败（含详细日志） """ # 创建保存目录（若不存在） os.makedirs(os.path.dirname(save_path), exist_ok=True) # 配置会话：启用重试策略 + 设置通用 headers session = requests.Session() retry_strategy = Retry( total=max_retries, backoff_factor=1, status_forcelist=[429, 500, 502, 503, 504], allowed_methods=["HEAD", "GET", "OPTIONS"] ) adapter = HTTPAdapter(max_retries=retry_strategy) session.mount("http://", adapter) session.mount("https://", adapter) headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36", "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8", "Accept-Language": "en-US,en;q=0.5", "Accept-Encoding": "gzip, deflate", "Connection": "keep-alive", "Upgrade-Insecure-Requests": "1", } try: print(f"[INFO] 下载中: {url}") resp = session.get(url, headers=headers, timeout=timeout, stream=True) resp.raise_for_status() # 检查 4xx/5xx # 验证 Content-Type 是否为 PDF（可选但推荐） content_type = resp.headers.get("content-type", "").lower() if "application/pdf" not in content_type and "pdf" not in content_type: print(f"[WARN] 响应 Content-Type 异常: {content_type} —— 可能不是 PDF 或被重定向到 HTML 登录页") return False # 写入文件（流式，防内存溢出） with open(save_path, "wb") as f: for chunk in resp.iter_content(chunk_size=8192): if chunk: f.write(chunk) print(f"[SUCCESS] 已保存: {save_path}") return True except requests.exceptions.Timeout: print(f"[ERROR] 请求超时（{timeout}s）: {url}") except requests.exceptions.ConnectionError as e: if "RemoteDisconnected" in str(e): print(f"[ERROR] 远程服务器提前关闭连接（可能反爬/宕机）: {url}") else: print(f"[ERROR] 连接失败（DNS/网络不通）: {url} — {e}") except requests.exceptions.HTTPError as e: status = getattr(resp, "status_code", "N/A") print(f"[ERROR] HTTP 错误 {status}: {url} — {e}") except requests.exceptions.TooManyRedirects: print(f"[ERROR] 重定向循环或过多跳转: {url}") except requests.exceptions.RequestException as e: print(f"[ERROR] 其他请求异常: {url} — {e}") except OSError as e: # 包含 PermissionError, Disk full 等 print(f"[ERROR] 本地 I/O 错误（无法写入 {save_path}）: {e}") except Exception as e: print(f"[ERROR] 未预期异常: {url} — {type(e).__name__}: {e}") finally: session.close() return False # === 使用示例 === if __name__ == "__main__": urls = [ "https://media.masterelectronics.com/productfiles/mf-amp/amp-323287243.pdf", "https://www.masterelectronics.com/productfiles/mf-AMP/AMP-215860174.pdf", ] for i, url in enumerate(urls, 1): filename = os.path.basename(urlparse(url).path) or f"download_{i}.pdf" save_to = os.path.join("downloads", filename) download_pdf(url, save_to) ``` 📌 **关键增强点说明：** - ✅ 自动创建目录（`os.makedirs(..., exist_ok=True)`）→ 避免 `FileNotFoundError` 因路径不存在； - ✅ `stream=True` + 分块写入 → 节省内存，适合大 PDF； - ✅ 显式检查 `Content-Type` → 防止下载到 HTML 登录页（常见于反爬站点）； - ✅ 完整异常分类捕获（`Timeout`, `ConnectionError`, `HTTPError` 等），不再混淆 `FileNotFoundError`； - ✅ 设置合理 `User-Agent` 和 headers → 绕过基础反爬； - ✅ 内置重试机制（指数退避）→ 应对临时网络抖动； - ✅ `session.close()` 清理资源。 ⚠️ 注意：Masterelectronics 网站可能： - 对爬虫 IP 限速或封禁（需加 delay、代理池）； - PDF URL 实际是动态生成/有时效性（需先抓取产品页获取最新链接）； - 强制登录才能下载（返回 302 重定向到 `/login?returnUrl=...`）→ 此时 `Content-Type` 会是 `text/html`，函数会 warn 并返回 False。 --- ### 🔍 如何进一步诊断？ 运行上述脚本后，若仍失败，请手动用浏览器访问 URL： - 若浏览器也打不开 → 链接已失效（404）或需登录； - 若浏览器能打开 → 复制浏览器的完整请求（DevTools → Network → Headers → Copy as cURL），对比 `requests` 的 headers/cookies 是否缺失； - 检查是否重定向到了登录页（查看响应内容前 200 字符：`resp.text[:200]`）。 ---