嘿，这个需求我太熟了——每次要定期或批量抓这类指定PDF，手动点真的是纯纯浪费时间！下面给你两种最实用的方案，分别对应静态网页和动态加载网页，你可以根据目标网页的情况直接套用：

方案一：静态网页用 Python + Requests + BeautifulSoup（最轻便高效） #

如果目标网页的内容是直接在HTML里渲染的（F12打开开发者工具，搜“Office Price Index”能直接找到对应的<a>标签），用这个方案准没错——不需要启动浏览器，速度快还省资源。

步骤1：安装依赖 #

先在命令行里装好需要的工具库：

pip install requests beautifulsoup4

步骤2：可直接复用的示例代码 #

我写了带详细注释的代码，你只需要替换目标网页的URL就行：

import requests
from bs4 import BeautifulSoup
from urllib.parse import urljoin

# 替换成你要爬的目标网页地址
target_url = "https://example.com/your-target-page"
# 我们要定位的PDF名称关键词
pdf_keyword = "Office Price Index"

# 模拟浏览器请求头，避免被反爬拦截
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}

try:
    # 发送请求获取网页内容
    response = requests.get(target_url, headers=headers)
    response.raise_for_status()  # 请求失败直接抛出异常

    # 解析HTML结构
    soup = BeautifulSoup(response.text, "html.parser")

    # 遍历所有<a>标签，定位目标PDF链接
    pdf_link = None
    for a_tag in soup.find_all("a", href=True):
        # 同时满足：标签文本包含关键词 + 链接指向PDF文件
        if pdf_keyword in a_tag.get_text(strip=True) and a_tag["href"].endswith(".pdf"):
            # 处理相对链接，转成可直接访问的绝对URL
            pdf_link = urljoin(target_url, a_tag["href"])
            break

    if pdf_link:
        print(f"找到目标PDF链接：{pdf_link}")
        # 自动下载PDF到本地
        pdf_response = requests.get(pdf_link, headers=headers)
        with open("Office_Price_Index.pdf", "wb") as f:
            f.write(pdf_response.content)
        print("PDF下载完成！")
    else:
        print("没找到对应关键词的PDF链接，请检查关键词拼写或网页结构")

except Exception as e:
    print(f"执行过程出错：{str(e)}")

方案二：动态加载网页用 Python + Selenium（应对JS渲染内容） #

如果目标网页的链接是通过JavaScript动态生成的（比如滚动加载、点击按钮后才出现链接），静态解析HTML根本找不到内容——这时候就需要用Selenium模拟真实浏览器的行为：

步骤1：安装依赖 + 准备浏览器驱动 #

先装库：

pip install selenium

然后下载对应你浏览器的驱动（比如Chrome的ChromeDriver），要和你当前浏览器的版本完全匹配，把驱动放在Python的环境变量路径里，或者在代码里指定驱动文件路径。

步骤2：示例代码 #

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import requests

target_url = "https://example.com/your-dynamic-page"
pdf_keyword = "Office Price Index"

# 初始化Chrome浏览器（用Firefox就换成FirefoxOptions）
options = webdriver.ChromeOptions()
options.add_argument("--headless=new")  # 无头模式，不弹出浏览器窗口
driver = webdriver.Chrome(options=options)

try:
    driver.get(target_url)
    # 等待页面核心元素加载完成，最长等10秒
    WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.TAG_NAME, "a"))
    )

    # 遍历所有<a>标签，定位目标PDF
    pdf_link = None
    a_tags = driver.find_elements(By.TAG_NAME, "a")
    for a_tag in a_tags:
        tag_text = a_tag.text.strip()
        tag_href = a_tag.get_attribute("href")
        if pdf_keyword in tag_text and tag_href and tag_href.endswith(".pdf"):
            pdf_link = tag_href
            break

    if pdf_link:
        print(f"找到目标PDF链接：{pdf_link}")
        # 用浏览器的UA请求PDF，避免反爬
        headers = {"User-Agent": driver.execute_script("return navigator.userAgent;")}
        pdf_response = requests.get(pdf_link, headers=headers)
        with open("Office_Price_Index.pdf", "wb") as f:
            f.write(pdf_response.content)
        print("PDF下载完成！")
    else:
        print("未找到目标PDF链接，请检查关键词或页面加载逻辑")

finally:
    driver.quit()  # 不管成功失败，都要关闭浏览器释放资源

一些帮你避坑的小贴士 #

• 先手动验证网页结构：F12打开开发者工具，搜“Office Price Index”，看它对应的<a>标签有没有特殊的class或id，代码里可以加更精准的定位（比如soup.find_all("a", class_="document-link")），能避免误抓其他无关链接。
• 遵守网站规则：别频繁刷请求给服务器加压力，必要时在代码里加time.sleep(1)这类延迟；先看目标网站的robots.txt，别爬禁止抓取的内容。
• 应对反爬：如果网站拦请求，可以把浏览器里的Cookie复制到代码的headers里，模拟已登录状态（如果需要登录才能访问PDF的话）。

要是你在具体操作中遇到问题——比如网页结构特殊、反爬拦截——随时把网页的相关HTML片段贴出来，我再帮你调代码！