如何用Python+Chrome+Selenium不落地文件直接获取PDF内容

方案一：直接用requests获取（URL可直接访问时优先用） #

如果PDF的URL可以直接访问（不需要通过Selenium处理登录、页面渲染等前置操作），直接用requests库是最简便高效的，和你提到的用法一致：

import requests

pdf_url = "http://www.africau.edu/images/default/sample.pdf"
pdf_content = requests.get(pdf_url).content  # 获取二进制形式的PDF内容

# 后续可直接处理内容，比如保存到内存或解析
# 示例：保存到文件（可选）
with open("sample.pdf", "wb") as f:
    f.write(pdf_content)

方案二：用Selenium+Chrome DevTools协议（CDP）拦截网络请求 #

如果必须通过Selenium完成前置操作（比如登录、页面动态生成PDF链接），可以利用Chrome的DevTools协议拦截PDF的网络请求，直接获取响应内容，无需下载到本地：

from selenium import webdriver

options = webdriver.ChromeOptions()
# 不需要下载相关配置，让Chrome在浏览器内打开PDF
options.add_argument("--headless")  # 无头模式可选

driver = webdriver.Chrome(options=options)

# 启用Chrome DevTools的网络监控
driver.execute_cdp_cmd("Network.enable", {})

# 定义回调函数，监听响应完成事件
response_body = None
def handle_response(event):
    global response_body
    # 判断请求的URL是否是目标PDF
    if event["response"]["url"] == "http://www.africau.edu/images/default/sample.pdf":
        # 获取响应体
        body = driver.execute_cdp_cmd("Network.getResponseBody", {"requestId": event["requestId"]})
        # 处理二进制内容：如果base64编码则解码
        if body.get("base64Encoded", False):
            import base64
            response_body = base64.b64decode(body["body"])
        else:
            response_body = body["body"].encode("utf-8")

# 添加事件监听
driver.execute_cdp_cmd("Network.responseReceived", {"listener": handle_response})

# 访问PDF URL
driver.get("http://www.africau.edu/images/default/sample.pdf")

# 现在response_body就是PDF的二进制内容，和requests.get的content一致
print("获取到PDF内容长度：", len(response_body))

# 后续处理示例：解析或保存
# with open("sample_from_cdp.pdf", "wb") as f:
#     f.write(response_body)

driver.quit()

注意事项 #

• 如果PDF链接是页面动态生成的，需要先完成页面交互（比如点击按钮生成PDF），再拦截对应的请求；
• 确保Chrome版本和Selenium版本兼容，避免CDP命令不支持的问题；
• 若遇到跨域或权限问题，可临时添加--disable-web-security选项（仅用于测试环境）。

内容的提问来源于stack exchange，提问作者fevar