如何下载.cfm页面显示的已生成PDF，避免获取空模板

我尝试从某cfm地址下载PDF文件，编写了一段Selenium代码：先在指定页面填写机场代码，点击按钮后新标签页会打开生成的PDF文件。但直接访问该cfm地址下载得到的是空PDF模板，请问如何下载当前页面显示的PDF，而非直接访问上述cfm URL？

以下是我的代码：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver import ActionChains
from selenium.webdriver.common.print_page_options import PrintOptions
from urllib import request
from bs4 import BeautifulSoup
import re
import os
import urllib
import time
import requests
from urllib.parse import urljoin

aerodromos = "SBNT,SBJP,SBFZ,SBRF"                          #TEST

driver = webdriver.Chrome('C:\Windows\chromedriver.exe')
options = webdriver.ChromeOptions()
driver = webdriver.Chrome(options=options)

driver.get("https://aisweb.decea.mil.br/?i=notam")
driver.maximize_window()
caixaTexto = driver.find_element(By.XPATH,'//*[@id="icaocode"]')
caixaTexto.send_keys(aerodromos)

botao = driver.find_element(By.XPATH, '//*[@id="a"]/form/div/div[3]/div/input[2]')
botao.click()

botao = driver.find_element(By.XPATH, '//*[@id="select-all"]')
botao.click()

botao = driver.find_element(By.XPATH, '/html/body/div/div/div/div/div[2]/div/div/form/input[3]')
botao.click()

response = urllib.request.urlretrieve('https://aisweb.decea.mil.br/inc/notam/gerar-boletim/reports/report-notam.cfm', filename='relatorio1.pdf')

直接用urllib请求cfm地址会得到空模板，核心原因是该请求未携带之前操作生成的会话Cookie，网站需要验证会话才能返回正确的PDF内容。可以通过以下步骤解决：

• 点击生成PDF按钮后，切换到新打开的标签页，等待页面加载完成
• 从Selenium的driver中提取当前会话的Cookie，传递给requests库
• 使用requests发送GET请求获取PDF内容并保存

修改后的代码如下：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
import requests

aerodromos = "SBNT,SBJP,SBFZ,SBRF"                          #TEST

# 初始化Chrome浏览器，修复原代码重复初始化driver的问题
options = webdriver.ChromeOptions()
driver = webdriver.Chrome(options=options)

driver.get("https://aisweb.decea.mil.br/?i=notam")
driver.maximize_window()

# 填写机场代码
caixaTexto = driver.find_element(By.XPATH,'//*[@id="icaocode"]')
caixaTexto.send_keys(aerodromos)

# 点击查询按钮
botao = driver.find_element(By.XPATH, '//*[@id="a"]/form/div/div[3]/div/input[2]')
botao.click()
time.sleep(2)  # 等待查询结果加载完成

# 全选NOTAM条目
botao = driver.find_element(By.XPATH, '//*[@id="select-all"]')
botao.click()

# 点击生成PDF按钮，触发新标签页打开
botao = driver.find_element(By.XPATH, '/html/body/div/div/div/div/div[2]/div/div/form/input[3]')
botao.click()
time.sleep(3)  # 等待新标签页及PDF加载完成

# 切换到新打开的PDF标签页
driver.switch_to.window(driver.window_handles[-1])

# 提取会话Cookie，转换成requests可识别的格式
cookies = {cookie['name']: cookie['value'] for cookie in driver.get_cookies()}
pdf_url = driver.current_url  # 获取当前PDF页面的有效URL

# 携带Cookie请求PDF并保存到本地
response = requests.get(pdf_url, cookies=cookies)
with open('relatorio1.pdf', 'wb') as f:
    f.write(response.content)

# 关闭浏览器释放资源
driver.quit()

关键说明 #

1. 修复了原代码中重复初始化driver的错误，确保浏览器配置正常生效
2. 添加了适当的等待时间，避免因页面未加载完成导致的元素定位或URL获取失败
3. 通过driver.get_cookies()获取会话验证信息，让requests请求能通过网站的会话校验，返回正确的PDF内容
4. 切换到新标签页后获取当前URL，确保请求的是经过会话验证的有效PDF地址

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