Playwright Python生成PDF空白/格式错误问题求助

核心原因 #

直接访问PDF URL时，Chromium会启动内置PDF阅读器，而page.pdf()是针对网页HTML内容的渲染工具，无法正确识别阅读器内的PDF内容，导致空白或格式错误；旧版无头模式（headless=True）对PDF阅读器的兼容性较差，引发运行失败。

方案1：直接下载PDF（推荐，高效可靠） #

目标URL本身就是PDF文件，无需通过页面渲染，直接发起网络请求获取文件内容：

def test():
    from playwright.sync_api import sync_playwright
    with sync_playwright() as p:
        browser = p.chromium.launch(headless=True)
        context = browser.new_context()
        # 发起GET请求获取PDF原始内容
        response = context.request.get('https://nyc3.digitaloceanspaces.com/midia/wp-content/uploads/2023/01/4tmrioel-sample.pdf')
        # 验证请求是否成功
        assert response.ok, f"请求失败，状态码：{response.status}"
        # 将二进制内容写入本地文件
        with open('Test.pdf', 'wb') as f:
            f.write(response.body())
        browser.close()
test()

方案2：禁用PDF阅读器，通过页面触发下载（适用于间接打开PDF的场景） #

使用Playwright新版无头模式（headless="new"），搭配禁用PDF阅读器的启动参数，让浏览器直接触发PDF下载而非预览：

def test():
    from playwright.sync_api import sync_playwright
    with sync_playwright() as p:
        browser = p.chromium.launch(
            headless="new",
            args=[
                "--disable-pdf-extension",
                "--disable-plugin-pdf-viewer",
                "--plugins=0"
            ]
        )
        context = browser.new_context()
        page = context.new_page()
        # 监听下载事件，访问URL时自动触发下载
        with page.expect_download() as download_info:
            page.goto('https://nyc3.digitaloceanspaces.com/midia/wp-content/uploads/2023/01/4tmrioel-sample.pdf')
        download = download_info.value
        # 保存下载的PDF文件
        download.save_as('Test.pdf')
        browser.close()
test()

原代码无效的原因 #

1. headless=False时，PDF阅读器界面加载需要时间，page.pdf()执行过早会捕获空白页面；
2. 旧版headless=True模式对PDF阅读器的支持存在兼容性问题，导致无法正常运行；
3. page.pdf()生成的是网页渲染结果，而非原始PDF内容，因此会出现阅读器UI导致的格式错误。

内容的提问来源于stack exchange，提问作者Pedro Pessuto