动态网页PDF文件下载

解决什么问题

很多政府公告、国企采购平台和企业内部 OA 的附件并不直链到 .pdf。页面上的下载按钮往往指向 javascript:void(0)，点击后才由前端代码临时向接口要一个加密的 filePath，再拼接成下载或预览 URL。用 curl 直接抓固定地址拿不到文件，盲目重放请求又常被 Referer、Cookie 或动态参数拦下。这个技能要解决的就是：在只有浏览器可见的运行时环境里，逆向出真正的下载地址并把文件取回本地。

核心方法：五步法

技能不依赖站点自身暴露的固定链接，而是用浏览器自动化完成一次完整的请求追踪：

• 第 1 步：注入响应监听钩子。 在页面主执行环境（use_main_world: true）注入 XHR 拦截器，同时 hook open 与 send，用 __oP 标志避免重复注入，并截取每个响应的前 8000 字符。
• 第 2 步：触发文档请求。 通过页面内路由切换重新发起 API 调用；若附件需要点击才加载，则先 browser_snapshot 找到含 .pdf 文字的链接，再 browser_click 并等待 4~5 秒。
• 第 3 步：读取捕获的接口响应。 从 JSON 中识别 FILE_PATH、fileId、FILE_NAME 等字段；响应过长时按 slice(0,2400) → slice(2400,4800) 分段读取。
• 第 4 步：在前端 JS 源码中找下载模板。 常见形态包括 window.open(adr + "/index/downLoadWinFile?filePath=" + ...)、PDF 预览器加载、fetch 请求或动态设置 link.href。
• 第 5 步：拼接 URL 并用 curl 下载。 下载后必须验证文件完整性，避免拿到 HTML 或 0 字节占位文件。

执行约束

这些约束来自实测，违反会导致任务失败：

• 所有 browser_evaluate 必须带 use_main_world: true，否则脚本跑在隔离沙箱，拦截不到真实请求。
• 禁止 browser_take_screenshot，截图会撑爆上下文 token 并触发熔断。
• 单次 evaluate 输出控制在 2500 字符以内，超过会被截断。
• 不要连续执行相同 JS，browser_evaluate 调用次数上限为 6 次。

适用边界

技能已收录国网电商平台（ecp.sgcc.com.cn）的实测模板，其 filePath 为十六进制加密且含 | 分隔符，请求需携带 Referer 并对参数做 URL 编码。其他站点请按五步法动态分析。

它不适用于：页面已有明确 .pdf/.doc 直链（直接 curl 即可）、需要登录或付费才能访问的文件、以及受版权保护的非公开内容。遇到登录拦截时先引导用户完成登录，不绕过权限验证。