Python/Selenium无头模式下下载站点PDF得到错误example.pdf的问题

核心触发原因 #

• 旧版Chrome无头模式的配置隔离缺陷：Chrome 110版本之前、Selenium 4.0版本之前的无头模式采用独立渲染管线，和有头模式的配置体系完全分离。你通过add_experimental_option('prefs')设置的PDF外部下载、自动下载规则，在旧无头模式下不会生效；当页面触发PDF加载逻辑时，内置预览组件会默认将渲染缓存落盘为占位文件名example.pdf，而非返回真实的目标业务文件。
• 站点前端的UA检测拦截：目标站点的前端脚本会对请求的浏览器UA做校验，当识别到UA字符串包含HeadlessChrome标识时，会将原本指向真实费率表的下载地址替换为测试占位文件example.pdf，不会返回真实业务文件流。
• 当前启动配置的参数疏漏：配置项中download.default_directory设置为空值，无头模式读取到空的路径参数时，会触发默认的临时文件命名逻辑，无法匹配预期的文件落盘规则，最终生成通用命名的占位文件。

可落地的解决方向 #

• 切换为新版无头启动模式：放弃旧版默认的无头实现，使用Selenium 4.6以上版本支持的新无头管线。该管线和有头模式共享所有配置体系，不存在配置隔离问题，启动时追加参数：
  options.add_argument("--headless=new")
• 伪装正常浏览器UA：移除UA字符串中的无头模式标识，模拟普通桌面Chrome的UA特征，绕过站点的前端检测逻辑，启动时追加参数：
  options.add_argument("user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36")
• 补全下载配置必填项：将原本为空的default_directory替换为实际存在的本地绝对路径，避免空值触发默认命名逻辑，修正后的配置参考：

  options.add_experimental_option('prefs',{
      'credentials_enable_service': False,
      'plugins':{
          'always_open_pdf_externally': True
      },
      'profile': {
          'password_manager_enabled': False,
      },
      'download': {
          'prompt_for_download': False,
          'directory_upgrade': True,
          # 替换为本地实际存在的下载目录绝对路径
          'default_directory': '/your/real/download/path'
      }
  })
  

• 强制关闭内置PDF预览：追加启动参数，强制所有PDF文件走外部下载分支，避免被内置预览逻辑拦截落盘为占位文件：
  options.add_argument("--disable-features=PDFViewer,ChromePDFViewer")

内容的提问来源于stack exchange，提问作者Oksana Ok