Python .requests（）文件类型问题-Can'；无法从内容交付网络获取PDF

我在获取PDF的内容时遇到了问题，因为它们由一个名为“加宽”的内容交付网络（CDN）托管

以下代码在网页中嵌入的PDF链接上成功

url = 'https://embed.widencdn.net/pdf/plus/widnr/kdlgedcepu/miss_surv_120117.pdf?u=7vkdxn'
    
filepath = r"C:\Users\pathgoeshere\{}.pdf".format('test')
if os.path.exists(filepath):
    pass
else:
    r = requests.get(url)
    with open(filepath, 'wb') as f:
        f.write(r.content)

。。。但由于url指向内容交付网络，而不是pdf本身，因此请求不会返回所需的pdf；打开pdf文件时会引发错误

---

有人能帮忙抓取通过内容交付网络托管的pdf文件吗？

问题在于，您无法从CDN获得pdf，因为它将pdf封装在脚本中，该脚本自动设置密码并将您的请求重定向到另一个URL。为了下载pdf，您必须首先从标题中提取脚本标记，以找到指向pdf的url。然后，您必须使用与脚本设置完全相同的参数构建第二个请求：

签名

到期

密钥对Id

第二个请求是下载pdf

导入操作系统
导入请求
将urllib.parse导入为urlparse
从urllib.parse导入parseqs
从urlextract导入urlextract
从bs4导入BeautifulSoup
url='1〕https://embed.widencdn.net/pdf/plus/widnr/rfazsshahb/Fall2017Waterfowl_GreenBay_Survey_Nov.pdf?u=7vkdxn'
filepath=r'C:\Path\{}.pdf'。格式（'test'）
如果os.path.存在（文件路径）：
通过
其他：
request=requests.get（url）
html=BeautifulSoup（request.content）
pdf_script=html.head.find（'script'，type=“text/javascript”）.string
#提取url
提取器=URLExtract（）
url\u to\u pdf=提取器。查找\u url（pdf\u脚本）
#解析URL
parsed=urlparse.urlparse（url到pdf[0]）
#获取参数
signature=parse_qs（parsed.query）['signature'][0]
expires=int（parse_qs（parsed.query）['expires'][0]）
kip=parse_qs（parsed.query）['Key-Pair-Id'][0]
url=parsed.scheme+“：/”+parsed.netloc+parsed.path
#生成第二个请求
pdf_request=requests.get（url，params={'Key-Pair-Id'：kip，'Signature'：Signature，'Expires'：Expires}）
打印（pdf\U请求）
将open（filepath，'wb'）作为f：
f、 编写（pdf_request.content）

您可能需要安装urlextract、BeautifulSoup

pip install beautifulsoup4
pip install urlextract

---

请注意，这不是通用解决方案，可能仅适用于此CDN。

做得好！这是一个很好的回答；直接但解释性的。非常感谢。