如何使用Node Puppeteer下载PDF文件？获取缓冲数据仅得哈希值

我之前也碰到过这个问题！那个类似3a42112c-8d3e-474e-af0f-2e482520bc25的哈希串，其实是浏览器生成的Blob URL——当PDF文件被加载到浏览器内存中时，浏览器会用这种临时URL来指向它，而不是直接暴露原始的文件链接。下面给你两种靠谱的解决方法：

方法一：直接拦截PDF请求获取原始内容 #

这种方法最直接，通过拦截页面的请求和响应，直接拿到PDF的二进制数据并保存，完全绕开Blob URL的问题。

const puppeteer = require('puppeteer');
const fs = require('fs');

(async () => {
  const browser = await puppeteer.launch({ headless: 'new' }); // 用新版无头模式更稳定
  const page = await browser.newPage();

  // 开启请求拦截
  await page.setRequestInterception(true);
  
  // 过滤请求，允许必要的资源加载
  page.on('request', (request) => {
    const allowedTypes = ['document', 'stylesheet', 'script', 'other'];
    if (allowedTypes.includes(request.resourceType())) {
      request.continue();
    } else {
      request.abort();
    }
  });

  // 监听响应，捕获PDF文件
  page.on('response', async (response) => {
    const url = response.url();
    // 判断是否是PDF且响应成功
    if (url.endsWith('.pdf') && response.ok()) {
      const pdfBuffer = await response.buffer();
      fs.writeFileSync('downloaded.pdf', pdfBuffer);
      console.log('PDF已成功保存到本地');
    }
  });

  // 导航到目标页面（如果是直接访问PDF链接也可以）
  await page.goto('https://example.com/page-containing-pdf', { waitUntil: 'networkidle2' });

  await browser.close();
})();

关键说明： #

• page.setRequestInterception(true)开启请求拦截后，我们可以精准筛选需要处理的资源；
• 在response事件中，通过URL后缀判断是否为PDF文件，调用response.buffer()直接获取二进制数据；
• 建议使用networkidle2作为等待条件，确保页面资源加载完成。

方法二：处理Blob URL提取文件内容 #

如果你的场景是点击按钮后页面跳转到Blob URL（比如blob:http://example.com/[哈希]），可以通过页面上下文的fetch API读取Blob内容并返回。

const puppeteer = require('puppeteer');
const fs = require('fs');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();

  // 导航到包含PDF下载按钮的页面
  await page.goto('https://example.com/pdf-download-page', { waitUntil: 'domcontentloaded' });

  // 点击下载按钮（替换成你实际的选择器）
  await page.click('#download-pdf-btn');

  // 等待页面跳转到Blob URL
  await page.waitForNavigation({ waitUntil: 'load' });

  // 在页面上下文内读取Blob内容
  const pdfBuffer = await page.evaluate(async () => {
    const currentUrl = window.location.href;
    if (!currentUrl.startsWith('blob:')) {
      throw new Error('当前页面URL不是Blob格式');
    }
    // 发起请求获取Blob
    const response = await fetch(currentUrl);
    const blob = await response.blob();
    // 转换为Uint8Array，Puppeteer会自动将其转为Node.js的Buffer
    return new Uint8Array(await blob.arrayBuffer());
  });

  // 保存PDF文件
  fs.writeFileSync('blob-downloaded.pdf', pdfBuffer);
  console.log('从Blob URL提取的PDF已保存');

  await browser.close();
})();

注意事项： #

• 如果网站有反爬机制，记得设置合理的user-agent，比如await page.setUserAgent('Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36')；
• 若PDF是在iframe中加载的，需要先切换到对应的iframe：const iframe = page.frames().find(frame => frame.url().includes('pdf'));，再在iframe上下文中执行操作。

内容的提问来源于stack exchange，提问作者Dovydas Jakubauskas