如何使用Playwright捕获页面重定向并获取最终跳转URL

访问短链 https://scnv.io/760y 时，页面会先运行一段JavaScript代码，随后自动重定向到PDF文件地址 https://qcg-media.s3.amazonaws.com/media/uploads/72778/2022/06/20220622_663043_221.pdf。
使用如下Python版Playwright代码尝试获取最终URL未成功：

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.goto("https://scnv.io/760y", wait_until="networkidle")
    print(page.url)
    page.close()

代码中已设置wait_until="networkidle"参数等待网络空闲后打印页面URL，仍无法获取重定向后的最终PDF地址。

原代码拿不到目标地址的核心原因有两点：

• wait_until="networkidle"的判定规则为页面连续500ms无网络请求即触发，这类短链的JS跳转通常带有1-3秒的固定延时（比如跳转倒计时），networkidle触发时跳转逻辑还未执行。
• 跳转目标为PDF文件时，Chrome会调用内置PDF阅读器加载资源，此时主框架的URL更新逻辑和普通网页导航存在差异，直接读取page.url无法及时同步到最终地址。

方案1：监听网络响应捕获地址（兼容性最优） #

不依赖页面加载状态和page.url更新，直接监听页面所有网络响应，匹配到PDF资源时直接记录地址，适用于PDF在线预览的场景：

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    final_pdf_url = None

    def capture_pdf_url(response):
        nonlocal final_pdf_url
        content_type = response.headers.get("content-type", "")
        # 匹配规则：响应类型为PDF，或响应地址属于目标PDF存储域名
        if "application/pdf" in content_type or "qcg-media.s3.amazonaws.com" in response.url:
            final_pdf_url = response.url

    page.on("response", capture_pdf_url)
    page.goto("https://scnv.io/760y", wait_until="domcontentloaded")
    # 等待JS跳转执行，可根据短链实际跳转延时调整时长
    page.wait_for_timeout(5000)
    print(final_pdf_url)
    browser.close()

方案2：监听下载事件捕获地址 #

如果浏览器对该PDF响应触发下载行为而非在线预览，可以通过监听下载事件直接拿到源地址：

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    # 开启下载权限
    browser = p.chromium.launch(accept_downloads=True)
    page = browser.new_page()
    # 等待下载事件触发
    with page.expect_download(timeout=10000) as download_task:
        page.goto("https://scnv.io/760y")
    download = download_task.value
    print(download.url)
    browser.close()

内容的提问来源于stack exchange，提问作者chhenning