如何使用Puppeteer下载网页中的目标PDF文件？

针对你遇到的PDF下载困境，我整理了两种实用方案，帮你顺利获取目标文档：

方案一：先获取PDF链接再下载 #

你提到想抓取页面里的src链接，其实新打开的PDF页面本身的URL就是下载地址，步骤如下：

1. 获取PDF的直接链接
   当点击链接打开新页面后，通过evaluate方法提取当前页面的URL（因为新页面加载的就是PDF文件）：

const newPagePromise = new Promise(x => browser.once("targetcreated", target => x(target.page())));
await page.click("#gvDocketResult_ctl0" + rows.length + "_hlDocumentRedacted");
const newPage = await newPagePromise;
// 等待页面完全加载
await newPage.waitForNavigation({ waitUntil: 'networkidle2' });

// 提取PDF的下载链接
const pdfUrl = await newPage.evaluate(() => document.location.href);
console.log("获取到PDF链接：", pdfUrl);

2. 用Node.js工具下载到本地
   拿到链接后，用Node.js内置的https和fs模块直接下载，这种方式更灵活可控：

const https = require('https');
const fs = require('fs');
const path = require('path');

// 自定义保存路径和文件名
const savePath = path.join('/Users/me/Desktop', `document_${rows.length}.pdf`);

https.get(pdfUrl, (response) => {
  const fileStream = fs.createWriteStream(savePath);
  response.pipe(fileStream);
  fileStream.on('finish', () => {
    fileStream.close();
    console.log("PDF已成功保存到：", savePath);
  });
}).on('error', (err) => {
  console.error("下载失败：", err.message);
});

// 记得关闭新打开的页面
await newPage.close();

方案二：配置Puppeteer下载行为直接保存 #

你之前尝试的Page.setDownloadBehavior思路是对的，但可能时机没把握好。正确的做法是在新页面初始化时就配置下载规则：

const newPagePromise = new Promise(x => browser.once("targetcreated", async target => {
  const newPage = await target.page();
  // 给新页面设置下载权限和保存路径
  await newPage._client.send("Page.setDownloadBehavior", {
    behavior: "allow",
    downloadPath: "/Users/me/Desktop",
    // 如果网站需要身份验证，加上这句保留凭证
    // credentials: "include"
  });
  x(newPage);
}));

await page.click("#gvDocketResult_ctl0" + rows.length + "_hlDocumentRedacted");
const newPage = await newPagePromise;

// 监听下载完成事件，确保文件保存成功
const downloadFinish = new Promise(resolve => {
  newPage.on('download', async (downloadItem) => {
    const finalPath = await downloadItem.path();
    console.log("下载完成，文件路径：", finalPath);
    resolve();
  });
});

await downloadFinish;
await newPage.close();

补充细节 #

如果PDF是通过页面里的embed或iframe加载的，需要调整链接提取逻辑：

const pdfUrl = await newPage.evaluate(() => {
  const embedEl = document.querySelector('embed');
  const iframeEl = document.querySelector('iframe');
  // 优先取embed/iframe的src，没有则用当前页面URL
  return embedEl?.src || iframeEl?.src || document.location.href;
});

另外要确保downloadPath对应的文件夹存在，且你的Node进程有写入权限。

内容的提问来源于stack exchange，提问作者Nicholas Jennings