使用Python requests下载PDF出现空白无法读取问题求助

嘿，我来帮你解决这两个头疼的问题：下载耗时久、保存后的PDF无法正常打开。咱们先拆解问题，再给出修复后的代码～

核心问题分析 #

1. PDF损坏的直接原因 #

你用了文本模式('w')来保存二进制的PDF文件，这会破坏文件的字节结构，导致Acrobat无法识别。二进制文件必须用二进制写入模式('wb')。

2. 循环逻辑冗余（拖慢速度+无效写入） #

当前代码里，每获取一个城市的PDF，就会遍历所有market_name写入6次文件——这不仅浪费资源拖慢速度，还没把城市代码和对应市场名称关联起来，属于逻辑错误。

3. 下载慢的潜在原因 #

• 没有设置请求超时，一旦服务器响应慢，程序会无限制等待
• 没有模拟浏览器请求头，部分服务器会对非浏览器请求做限速或拦截

修复后的完整代码 #

import requests
from datetime import date
import os

market_type = "ECenter"
market_name = ["Minden", "Porta-Westfalica", "Osnabruck", "Melle", "Bad Nenndorf", "Herford"]
weekNumber = date.today().isocalendar()[1]
city_codes = ["3315", "3317", "3309", "3323", "3325", "3328"]

# 确保保存目录存在，避免报错
save_dir = 'C:\\Users\\user\\Desktop\\LeafletFiles'
os.makedirs(save_dir, exist_ok=True)

# 模拟浏览器请求头，避免服务器拦截/限速
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}

# 配对城市代码和市场名称，消除冗余循环
for city_code, name in zip(city_codes, market_name):
    url = f"https://static.edeka.de/media/handzettel/MINDEN/{city_code}/blaetterkatalog/pdf/complete.pdf"
    try:
        # 添加超时参数（10秒，可按需调整），避免无限等待
        myfile = requests.get(url, headers=headers, timeout=10)
        # 检查请求是否成功（状态码200为正常）
        myfile.raise_for_status()
        
        # 用二进制写入模式保存PDF
        file_path = f'{save_dir}\\{market_type}_{name}_{weekNumber}.pdf'
        with open(file_path, 'wb') as pdf:
            pdf.write(myfile.content)
        print(f"✅ 成功保存：{file_path}")
    except requests.exceptions.RequestException as e:
        print(f"❌ 下载{name}的PDF失败：{str(e)}")

关键修改点说明 #

• 二进制写入：把'w'改成'wb'，确保PDF字节流完整不被破坏
• 配对遍历：用zip(city_codes, market_name)让每个城市代码对应唯一的市场名称，消除无效循环
• 请求优化：添加headers模拟浏览器，设置timeout防止长时间卡顿
• 目录检查：自动创建保存目录，避免因文件夹不存在报错
• 异常处理：捕获请求过程中的错误（超时、404等），让程序更健壮

额外小建议 #

如果偶尔遇到网络波动导致下载失败，可以考虑加入重试机制（比如用tenacity库），应对临时的服务器响应问题。

内容的提问来源于stack exchange，提问作者Satyam Arora