如何使用Selenium自动下载页面内每日更新的单篇文章PDF？

你的思路方向是对的，但现有代码存在几个实用层面的问题，比如过时API、未配置自动下载规则、未处理元素失效场景，下面是改进后的完整方案：

1. 替换过时的元素定位API #

Selenium 4及以上版本已经弃用了find_elements_by_link_text这类旧写法，需要改用find_elements(By.LINK_TEXT, 文本)的标准语法，因此要先导入By类。

2. 配置Chrome自动下载PDF #

默认Chrome会弹出PDF预览窗口，需要通过浏览器参数配置，让它直接将PDF保存到指定路径，无需手动确认：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time

# 配置Chrome下载参数
chrome_options = Options()
download_path = "你的本地下载路径"  # 替换成你想保存PDF的文件夹路径
chrome_options.add_experimental_option("prefs", {
    "download.default_directory": download_path,
    "download.prompt_for_download": False,
    "download.directory_upgrade": True,
    "plugins.always_open_pdf_externally": True  # 跳过预览，直接下载PDF
})

# 初始化浏览器
driver = webdriver.Chrome(options=chrome_options)
driver.get("https://diariooficial.elperuano.pe/Normas")

3. 处理循环中的元素失效问题 #

如果直接循环初始获取的元素列表，点击后可能因为页面局部刷新导致元素状态变为stale（失效），因此改用循环索引+重新获取元素的方式：

# 先获取当前页面的下载链接总数
wait = WebDriverWait(driver, 10)
download_links = wait.until(EC.presence_of_all_elements_located((By.LINK_TEXT, "Descarga individual")))
total_links = len(download_links)

for i in range(total_links):
    # 每次循环重新定位元素，避免失效异常
    current_link = wait.until(EC.element_to_be_clickable((By.LINK_TEXT, "Descarga individual")))
    current_link.click()
    # 等待下载完成（可根据文件大小调整等待时长，或通过监控下载文件夹优化）
    time.sleep(4)

4. 收尾：关闭浏览器 #

循环结束后记得关闭浏览器释放资源：

driver.quit()

关键注意事项 #

• 确保ChromeDriver版本与本地Chrome浏览器版本完全匹配，否则会启动失败。
• 如果页面存在分页，需要额外添加分页逻辑：判断下一页按钮是否存在，点击后重复执行下载步骤。
• 显式等待（WebDriverWait）比固定time.sleep更稳定，能根据元素加载状态自动调整等待时长，减少不必要的等待。

内容的提问来源于stack exchange，提问作者Emanuel Ticona