使用Python requests库下载特定URL PDF无内容问题求助

核心问题：代码逻辑错误导致内容丢失 #

你这段代码里有个关键错误：开启stream=True后，你先调用了next(response.iter_content(10))读取了10字节内容，这会把响应流的指针移到这10字节之后，后续再调用response.content时，剩余内容已经被消费完了，所以写入文件的是空内容。

可能的网站相关因素 #

也不排除目标网站的反爬策略影响：

• 部分网站会检测请求头完整性，除了User-Agent，可能还需要Referer、Accept等字段
• 有些网站会对频繁请求做限制，或者需要Cookie验证才能正常获取资源

修复后的代码 #

把多余的iter_content调用删掉，直接写入响应内容即可：

import requests

pdf_url="https://www.npci.org.in/PDF/nach/circular/2015-16/Circular_No_126.pdf"
pdf_title="test"

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:124.0) Gecko/20100101 Firefox/124.0"}

response = requests.get(pdf_url, headers=headers, stream=True)
if response.status_code == 200:
    with open(f"{pdf_title}.pdf", "wb") as fd:
        fd.write(response.content)

如果要保留流式写入（适合大文件），可以改成这样：

import requests

pdf_url="https://www.npci.org.in/PDF/nach/circular/2015-16/Circular_No_126.pdf"
pdf_title="test"

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:124.0) Gecko/20100101 Firefox/124.0"}

response = requests.get(pdf_url, headers=headers, stream=True)
if response.status_code == 200:
    with open(f"{pdf_title}.pdf", "wb") as fd:
        for chunk in response.iter_content(chunk_size=1024):
            fd.write(chunk)

额外排查建议 #

如果修复后还是无法正常下载：

• 打印response.text查看返回内容，确认是不是反爬提示的HTML页面
• 复制URL到浏览器打开，确认目标PDF文件本身是否存在
• 补充更多请求头字段，完全模拟真实浏览器的请求参数

内容的提问来源于stack exchange，提问作者dfcsdf