Selenium Chrome下载PDF后isfile判定非文件异常排查

DevOps 小满

2026-8-27

异常原因

路径处理存在两处错误：
1. 配置Chrome下载路径时用的是绝对路径/tmp/download-dir，但遍历文件时写的是相对路径tmp/download-dir，开头缺失根目录标识/，两个路径指向的存储位置完全不同
2. 拼接文件路径时直接把目录字符串和文件名做字符串相加，没有补充路径分隔符，最终生成的路径格式为tmp/download-dir[文件名]，比如文件名为patent.pdf时，拼接结果是tmp/download-dirpatent.pdf，和实际文件存储路径不匹配，自然会被os.path.isfile()判定为非文件，调用os.stat()时因为路径不存在抛出OSError
缺少下载完成等待逻辑：Chrome在文件下载过程中会生成后缀为.crdownload的临时缓存文件，直到文件全部写入完成才会重命名为正式的PDF文件。如果页面刚触发下载就立刻遍历目录，要么会碰到还在写入的临时文件，要么正式PDF文件还没生成，也会触发检测异常。

修复方案

统一路径写法，用标准库方法拼接路径
不要手动硬编码路径分隔符，直接用os.path模块的方法处理路径，自动适配不同操作系统的路径规则，同时保证下载目录变量和Chrome配置里的路径完全一致：

import os
# 统一定义下载目录，和Chrome prefs里的配置完全一致
DOWNLOAD_PATH = "/tmp/download-dir"

# 遍历文件示例
for file_name in os.listdir(DOWNLOAD_PATH):
    # 用os.path.join拼接路径，自动补充分隔符
    file_full_path = os.path.join(DOWNLOAD_PATH, file_name)
    if os.path.isfile(file_full_path):
        print(f"检测到文件：{file_full_path}")
    else:
        print(f"非有效文件：{file_full_path}")

增加下载完成轮询逻辑
触发下载后不要立刻读取文件，循环检测目录内的文件状态，直到确认正式PDF文件写入完成再做后续操作，参考实现：

import time
import os

DOWNLOAD_PATH = "/tmp/download-dir"
MAX_WAIT_SEC = 30  # 最长等待30秒，可根据网络情况调整
start_ts = time.time()
target_pdf_path = None

while time.time() - start_ts < MAX_WAIT_SEC:
    current_files = os.listdir(DOWNLOAD_PATH)
    for f in current_files:
        # 过滤临时下载文件，匹配PDF后缀
        if f.endswith(".pdf") and not f.endswith(".crdownload"):
            full_path = os.path.join(DOWNLOAD_PATH, f)
            # 连续两次检测文件大小一致、且大于0，说明写入完成
            try:
                size_first = os.stat(full_path).st_size
                time.sleep(1)
                size_second = os.stat(full_path).st_size
                if size_first == size_second and size_first > 0:
                    target_pdf_path = full_path
                    break
            except OSError:
                # 文件被占用时跳过，下一轮再检测
                continue
    if target_pdf_path:
        break
    time.sleep(0.5)

if target_pdf_path:
    print(f"PDF下载完成，路径：{target_pdf_path}，大小：{os.stat(target_pdf_path).st_size}字节")
else:
    raise TimeoutError("PDF下载超时，未检测到有效文件")

额外提示：如果运行环境开启了SELinux或者目录权限限制，需要保证运行Python脚本的用户对/tmp/download-dir目录有读写权限，否则也会出现文件写入成功但无法读取的异常。

内容的提问来源于stack exchange，提问作者Rico