Python，scrape动态PDF

Question

我有一个关于从网站上抓取pdf文档的问题，不幸的是，这并不像我想的那么简单，因为pdf文档是作为网站的一部分嵌入的，并且是动态pdf

示例如下： https://www.morningstar.co.uk/uk/funds/snapshot/snapshot.aspx?id=F000011J7K&tab=14&DocumentId=7967b8f6f4115dce4464b808254383b5&Format=PDF->；这就是pdf的位置

上述地址实际上是从另一页获得的： https://www.morningstar.co.uk/uk/funds/snapshot/snapshot.aspx?id=F000011J7K&tab=12此页面，如果您单击pdf按钮，它将带您到粗体地址

抱歉没有任何代码，因为我甚至不知道如何开始

Answer 1

您的web scraper已从中识别出您的目标tab=12？？

https://www.morningstar.co.uk/uk/funds/snapshot/snapshot.aspx?id=F000011J7K&tab=12

导致5个选项卡中的第5个选项卡=14°Document.PDF

https://www.morningstar.co.uk/uk/funds/snapshot/snapshot.aspx?id=F000011J7K&tab=14&DocumentId=7967b8f6f4115dce4464b808254383b5&Format=PDF

稍后在iFrame中将其翻译为

https://doc.morningstar.com/document/7967b8f6f4115dce4464b808254383b5.msdoc/?clientid=euretailsite

我不知道您是如何从第2步处理到第3步的，但我们可以清楚地看到，如果我们将我们的目标文档ID=7967b8f6f4115dce4464b808254383b5输入到一个阅读器中 要使用https://doc.morningstar.com/document/7967b8f6f4115dce4464b808254383b5.msdoc下载，我们得到

1. 加载第1页，共100页
2. 查找最后一个具有DocumentId的选项卡
3. 读身份证
4. 下载具有该ID的文档
5. 吃-睡-读-重复