如何通过Webdriver与window.print()确保Firefox完成PDF写入

针对大文档转换时PDF写入不完整、损坏的问题，以下是几个适合生产环境的可靠方案：

1. 通过Firefox打印API监听完成状态 #

直接使用Selenium默认打印命令没有回调机制，无法确认PDF生成是否真正完成。可以注入JS调用Firefox的browser.print API，等待打印操作的Promise完成：

# 执行JS触发打印并返回完成状态Promise
print_promise = driver.execute_script("""
    return browser.print.printToFile({
        filename: "/path/to/your/output.pdf",
        printerName: "Mozilla Save to PDF"
    });
""")

# 等待打印Promise完成，设置合理超时
WebDriverWait(driver, 60).until(lambda d: print_promise)

这个方法直接获取Firefox内部打印进程的完成信号，比单纯等待文件系统变化更可靠。

2. 验证PDF文件的结构完整性 #

文件大小和修改时间停止不代表PDF格式合法。可以用PDF解析库循环验证文件，直到能正常读取：

import PyPDF2
import time

def is_pdf_valid(file_path, timeout=60):
    start_time = time.time()
    while time.time() - start_time < timeout:
        try:
            with open(file_path, 'rb') as f:
                reader = PyPDF2.PdfReader(f)
                # 尝试读取元数据验证结构合法性
                _ = reader.metadata
                return True
        except (PyPDF2.errors.PdfReadError, IOError):
            time.sleep(1)
    return False

# 打印后调用验证，确保文件可用
if not is_pdf_valid("/path/to/output.pdf"):
    # 处理生成失败逻辑
    pass

这种方式能确保生成的PDF是真正可解析的合法文件，避免表面文件就绪但实际损坏的情况。

3. 优化Firefox打印配置 #

调整Firefox的偏好设置，确保打印时资源完全加载、写入流程完整：

from selenium import webdriver

profile = webdriver.FirefoxProfile()
# 配置默认保存为PDF
profile.set_preference("print.print_to_file", True)
profile.set_preference("print.printer_Mozilla_Save_to_PDF.print_to_file", True)
profile.set_preference("print.save_as_pdf.directory", "/your/save/path")
# 禁用静默打印，确保进程完成信号可被捕获
profile.set_preference("print.always_print_silent", False)
# 启用内容进程，确保大文档渲染资源充足
profile.set_preference("dom.content.process.enabled", True)

driver = webdriver.Firefox(firefox_profile=profile)

4. 预渲染页面再执行打印 #

大文档可能存在懒加载内容，打印前确保所有元素渲染完成：

from selenium.webdriver.support.ui import WebDriverWait

# 等待页面DOM完全加载
WebDriverWait(driver, 30).until(
    lambda d: d.execute_script('return document.readyState') == 'complete'
)

# 等待所有图片、字体加载完成
driver.execute_script("""
    return new Promise(resolve => {
        // 等待所有图片加载
        const imgs = document.querySelectorAll('img');
        let loadedImgs = 0;
        const checkImgs = () => {
            if (loadedImgs === imgs.length) checkFonts();
        };
        if (imgs.length === 0) checkFonts();
        imgs.forEach(img => {
            if (img.complete) {
                loadedImgs++;
                checkImgs();
            } else {
                img.addEventListener('load', () => {
                    loadedImgs++;
                    checkImgs();
                });
            }
        });

        // 等待所有字体加载完成
        function checkFonts() {
            if (document.fonts.status === 'loaded') {
                resolve();
            } else {
                document.fonts.ready.then(resolve);
            }
        }
    });
""")

# 执行打印
driver.execute_script("window.print();")

临时方案生效的原因 #

第一次打印会触发Firefox加载页面所有资源（字体、图片、CSS）并完成初步渲染，第二次打印时资源已缓存，渲染速度更快。但核心问题是第一次打印时PDF写入进程未完成就被后续操作中断，15秒等待只是碰运气覆盖了进程写入时间。上面的方案从根源上解决了进程状态监听和文件完整性验证的问题。

内容的提问来源于stack exchange，提问作者Steve Jorgensen