Puppeteer如何下载内嵌PDF？能否设置Chromium默认下载PDF

我访问一个带有PDF文件链接的页面，点击链接会打开新标签页，页面内容如下：

<html>
  <head></head>
  <body style="height: 100%; width: 100%; overflow: hidden; margin:0px; background-color: rgb(38, 38, 38);">
    <embed name="B4133D167D3B030DC294D8CA8F6FC5FE" style="position:absolute; left: 0; top: 0;" width="100%" height="100%" src="about:blank" type="application/pdf" internalid="B4133D167D3B030DC294D8CA8F6FC5FE">
  </body>
</html>

这个embed标签内嵌了我需要下载的PDF。目前我只能手动修改chrome://settings/content/pdfDocuments设置为默认下载PDF，但每次重启浏览器后设置都会重置，且无法在无头模式下测试此方案。我尝试使用--print-to-pdf参数启动Chromium，但没有成功。现咨询：

1. Puppeteer能否启动Chromium时设置默认下载PDF且无需绑定配置文件？
2. 是否有其他使用Puppeteer下载内嵌PDF的方法？

1. 无需绑定配置文件，用Puppeteer设置默认下载PDF #

可以通过Puppeteer的page.setUserPreferences()方法配置Chrome首选项，强制PDF文件下载而非内嵌预览，无需依赖持久化配置文件，且支持无头模式。示例代码：

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch({
    headless: 'new',
    args: ['--no-sandbox'] // 按需添加，适配特定运行环境
  });
  const page = await browser.newPage();

  // 配置PDF下载偏好
  await page.setUserPreferences({
    download: {
      prompt_for_download: false, // 跳过下载确认弹窗
      default_directory: '/your/custom/download/path' // 指定下载目录
    },
    plugins: {
      always_open_pdf_externally: true // 强制PDF下载，不内嵌预览
    }
  });

  // 访问目标页面并触发PDF链接点击
  await page.goto('your-target-page-url');
  await page.click('#pdf-link'); // 替换为实际PDF链接的选择器

  // 等待下载完成并保存
  const download = await page.waitForEvent('download');
  await download.saveAs('/path/to/save/your.pdf');

  await browser.close();
})();

每次Puppeteer启动新浏览器实例时，该配置会自动生效，无需手动修改浏览器设置。

2. 其他下载内嵌PDF的方法 #

如果上述偏好设置不生效，可尝试以下两种方案：

方法一：拦截网络请求获取PDF真实URL #

浏览器加载embed内的PDF时会发送网络请求，通过Puppeteer拦截该请求获取真实地址后直接下载：

const puppeteer = require('puppeteer');
const fs = require('fs');

(async () => {
  const browser = await puppeteer.launch({ headless: 'new' });
  const page = await browser.newPage();

  let pdfUrl = '';
  // 开启请求拦截
  await page.setRequestInterception(true);
  page.on('request', (request) => {
    // 捕获PDF资源请求
    if (request.resourceType() === 'document' && request.url().endsWith('.pdf')) {
      pdfUrl = request.url();
    }
    request.continue();
  });

  // 打开包含embed的新标签页
  await page.goto('url-of-the-new-tab-with-embed');
  
  if (pdfUrl) {
    // 请求PDF内容并保存到本地
    const response = await page.goto(pdfUrl);
    const pdfBuffer = await response.buffer();
    fs.writeFileSync('/path/to/save/pdf-file.pdf', pdfBuffer);
  }

  await browser.close();
})();

方法二：获取embed标签的真实PDF源 #

部分场景下embed的src会动态加载（初始为about:blank），可等待页面加载完成后，通过evaluate()获取真实src再下载：

const puppeteer = require('puppeteer');
const fs = require('fs');

(async () => {
  const browser = await puppeteer.launch({ headless: 'new' });
  const page = await browser.newPage();

  // 等待页面完全加载
  await page.goto('url-of-the-new-tab-with-embed', { waitUntil: 'networkidle0' });

  // 提取embed标签的真实PDF地址
  const pdfSrc = await page.evaluate(() => {
    const embed = document.querySelector('embed[type="application/pdf"]');
    return embed?.src || '';
  });

  if (pdfSrc && pdfSrc !== 'about:blank') {
    const response = await page.goto(pdfSrc);
    const pdfBuffer = await response.buffer();
    fs.writeFileSync('/path/to/save/pdf-file.pdf', pdfBuffer);
  }

  await browser.close();
})();

内容的提问来源于stack exchange，提问作者gothaf