批量自动打开发票门户并下载PDF的技术实现问询

完全可以实现这个批量操作，我们可以用Web自动化工具结合Python完成整个流程，以下是具体实现方案：

核心思路 #

通过自动化浏览器模拟人工操作流程：

• 循环遍历发票编号列表，构造对应门户URL并打开页面
• 定位并点击"See PDF"按钮触发PDF下载
• 从页面提取正式发票编号，重命名下载的PDF文件到指定文件夹

工具选择 #

推荐使用Selenium（Python版）：它是成熟的Web自动化工具，支持主流浏览器，能轻松模拟点击、页面元素定位等操作；也可以选择Playwright，它的自动等待机制更适配React这类动态渲染页面，代码逻辑更简洁。

具体实现步骤（以Selenium为例） #

1. 环境准备 #

• 安装Selenium：pip install selenium
• 下载对应浏览器的驱动（比如ChromeDriver），确保驱动版本与浏览器版本一致，将驱动放在Python可执行路径或指定路径

2. 代码实现 #

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import os
import time

def setup_chrome_driver(download_folder):
    """配置Chrome浏览器，设置自动下载PDF到指定文件夹"""
    chrome_options = webdriver.ChromeOptions()
    prefs = {
        "download.default_directory": os.path.abspath(download_folder),
        "download.prompt_for_download": False,  # 关闭下载确认弹窗
        "download.directory_upgrade": True,
        "plugins.always_open_pdf_externally": True  # 直接下载PDF，不打开预览
    }
    chrome_options.add_experimental_option("prefs", prefs)
    # 可选：启用无头模式，不显示浏览器窗口
    # chrome_options.add_argument("--headless=new")
    driver = webdriver.Chrome(options=chrome_options)
    return driver

def download_invoice_pdfs(invoice_numbers, download_folder):
    """批量下载发票PDF并按编号命名"""
    # 创建目标文件夹（不存在则自动创建）
    os.makedirs(download_folder, exist_ok=True)
    
    driver = setup_chrome_driver(download_folder)
    
    for invoice_num in invoice_numbers:
        try:
            # 构造发票门户URL
            portal_url = f"https://invoice_portal/statements/{invoice_num}"
            driver.get(portal_url)
            
            # 等待"See PDF"按钮加载完成并点击
            see_pdf_btn = WebDriverWait(driver, 15).until(
                EC.element_to_be_clickable((By.CLASS_NAME, "_1iKuo"))
            )
            see_pdf_btn.click()
            
            # 等待发票编号元素加载，提取正式编号
            invoice_title_elem = WebDriverWait(driver, 15).until(
                EC.presence_of_element_located((By.CLASS_NAME, "_35Wsy"))
            )
            actual_invoice_num = invoice_title_elem.text.split("#")[-1].strip()
            
            # 等待下载完成（可根据网络情况调整等待时间，或用文件监听优化）
            time.sleep(6)
            
            # 获取下载文件夹中最新的PDF文件
            download_files = [os.path.join(download_folder, f) for f in os.listdir(download_folder) if f.endswith(".pdf")]
            latest_pdf = max(download_files, key=os.path.getctime)
            
            # 重命名文件为发票编号
            target_path = os.path.join(download_folder, f"{actual_invoice_num}.pdf")
            os.rename(latest_pdf, target_path)
            
            print(f"已完成：{actual_invoice_num}.pdf")
            
        except Exception as e:
            print(f"处理发票{invoice_num}失败：{str(e)}")
            continue
    
    driver.quit()

# 调用示例
if __name__ == "__main__":
    # 替换为你的发票编号列表
    invoice_list = ["INV-225", "INV-226", "INV-227"]
    # 替换为你要保存的文件夹路径
    save_directory = "./invoice_pdfs"
    download_invoice_pdfs(invoice_list, save_directory)

关键细节说明 #

• 浏览器配置：通过plugins.always_open_pdf_externally设置直接下载PDF，避免打开预览窗口；download.prompt_for_download关闭下载确认弹窗
• 元素定位：使用WebDriverWait等待元素加载完成，避免因React动态渲染导致的元素未找到问题
• 下载等待：示例中用time.sleep简单等待，若要更精准，可监听下载文件夹的文件变化，或通过浏览器日志捕获PDF的下载URL，直接用requests库下载（更高效）
• 异常处理：捕获单个发票处理的异常，避免一个失败导致整个批量任务中断

替代方案：Playwright #

如果页面是复杂的React应用，Playwright的自动等待机制更适配，代码会更简洁，示例片段：

from playwright.sync_api import sync_playwright
import os

def download_with_playwright(invoice_numbers, download_folder):
    os.makedirs(download_folder, exist_ok=True)
    with sync_playwright() as p:
        browser = p.chromium.launch(headless=False)
        context = browser.new_context(
            accept_downloads=True,
            downloads_path=download_folder
        )
        page = context.new_page()
        
        for invoice_num in invoice_numbers:
            try:
                page.goto(f"https://invoice_portal/statements/{invoice_num}")
                # 等待按钮并点击
                page.click("button._1iKuo")
                # 等待下载完成
                download = page.wait_for_download()
                # 提取发票编号
                invoice_title = page.locator("h5._35Wsy").text_content()
                actual_invoice_num = invoice_title.split("#")[-1].strip()
                # 重命名保存文件
                download.save_as(os.path.join(download_folder, f"{actual_invoice_num}.pdf"))
                print(f"已完成：{actual_invoice_num}.pdf")
            except Exception as e:
                print(f"处理发票{invoice_num}失败：{str(e)}")
                continue
        browser.close()

内容的提问来源于stack exchange，提问作者user14070248