Selenium Firefox 浏览器在下载 pdf 后卡住答案

【问题标题】：Selenium Firefox browser is stuck after downloading pdfSelenium Firefox 浏览器在下载 pdf 后卡住
【发布时间】：2020-11-20 21:15:39
【问题描述】：

希望有人可以帮助我了解发生了什么：

我正在使用 Selenium 和 Firefox 浏览器下载 pdf（需要 Selenium 登录到相应的网站）：

    le = browser.find_elements_by_xpath('//*[@title="Download PDF"]')
    time.sleep(5)
    if le:
        pdf_link = le[0].get_attribute("href")
        browser.get(pdf_link)

代码确实会下载 pdf，但之后就一直处于空闲状态。这似乎与以下浏览器设置有关：

   fp.set_preference("pdfjs.disabled", True)
   fp.set_preference("browser.helperApps.neverAsk.saveToDisk", "application/pdf")

如果我禁用第一个，它不会挂起，而是打开 pdf 而不是下载它。如果我禁用第二个，则会出现一个“另存为”弹出窗口。有人能解释一下如何处理吗？

【问题讨论】：

如果您找到了解决方案，请分享！我有同样的问题！谢谢:)
@jonesy 我已经设法让它与“le[0].click()”一起工作，但是有很多页面特定的 JS 东西。

标签： python selenium

【解决方案1】：

对我来说，解决这个问题的最好方法是让 Firefox 通过 pdf.js 在浏览器中呈现 PDF，然后通过 Python 请求库发送后续获取，并附加 selenium cookie。更多解释如下：

有几种方法可以通过 Firefox + Selenium 呈现 PDF。如果您使用的是最新版本的 Firefox，它很可能会通过 pdf.js 呈现 PDF，以便您可以内联查看。这并不理想，因为现在我们无法下载文件。

您可以通过 Selenium 选项 disable pdf.js 但这可能会导致浏览器卡住的问题。这可能是因为未知的 MIME 类型，但我不完全确定。（another StackOverflow answer 表示这也是 Firefox 版本的原因。）

但是，我们可以通过passing Selenium's cookie session 绕过这个到requests.session()。

这是一个玩具示例：

import requests
from selenium import webdriver

pdf_url = "/url/to/some/file.pdf"

# setup driver with options
driver = webdriver.Firefox(..options)

# do whatever you need to do to auth/login/click/etc.

# navigate to the PDF URL in case the PDF link issues a 
# redirect because requests.session() does not persist cookies
driver.get(pdf_url)

# get the URL from Selenium 
current_pdf_url = driver.current_url

# create a requests session
session = requests.session()

# add Selenium's cookies to requests
selenium_cookies = driver.get_cookies()
for cookie in selenium_cookies:
    session.cookies.set(cookie["name"], cookie["value"])

# Note: If headers are also important, you'll need to use 
# something like seleniumwire to get the headers from Selenium 

# Finally, re-send the request with requests.session
pdf_response = session.get(current_pdf_url)

# access the bytes response from the session
pdf_bytes = pdf_response.content

我强烈建议使用 seleniumwire 而不是常规 selenium，因为它扩展了 Python Selenium 以允许您返回标头、等待请求完成、使用代理等等。

【讨论】：