Python selenium でダウンロードしてきたファイルを指定したディレクトリに保存したいです.
↓サイトを参考にしましたが“Downloads”フォルダに入ってしまいます.
https://qiita.com/KWS_0901/items/33ae052e2e4694a6b4f1
↓サイトの方法を試しましたが解決しませんでした.
https://ja.stackoverflow.com/questions/61642/seleniumでダウンロードしてきたファイルをデスクトップに保存したい
具体的な目標: Google検索でfiletype:pdfを使ってPDFのURLを収集して,requestsで直接ダウンロードして,requestsでダウンロードできなかったファイルをseleniumでダウンロードする
気づいたこと: PDFのURLは少なくとも2種類に分けられます.
1. クリックした瞬間ダウンロードのポップアップが出るもの
2. 印刷しないとダウンロードが始まらないもの
1.のURLの末尾には“php?”が含まれていることが多いです.下記スクリプトで1.をダウンロードするときは指定したディレクトリにダウンロードされますが,同じスクリプトで2.をダウンロードすると“Downloads”に保存されます.1.のダウンロードの際にChromeの左下にダウンロードバーが表示されますが2.ではダウンロードバーは表示されません.
paramsの設定が部分的に適応されていることから—kiosk-printingに問題があるように感じます.
環境:
macOS 12.3 Beta
Python 3.9.9
selenium 4.1.0
Google Chrome 98.0.4758.102 (Official Build) (x86_64)
chromedriver 98.0.4758.80 (webdriver_manager)
以下スクリプト
# https://qiita.com/KWS_0901/items/33ae052e2e4694a6b4f1
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.chrome import service as fs
from selenium.webdriver.chrome.options import Options
#from pathlib import Path
import os
import time
import json
# 保存対象URL一覧取得
urls = []
with open('urls.txt', mode='rt', encoding='utf-8') as f:
urls = f.readlines()
# Chrome の印刷機能でPDFとして保存
#options = webdriver.ChromeOptions()
options = Options()
# PDF印刷設定
appState = {
"recentDestinations": [
{
"id": "Save as PDF",
"origin": "local",
"account": ""
}
],
"selectedDestinationId": "Save as PDF",
"version": 2,
"pageSize": 'A4'
}
downloadsFilePath = ''
# ドライバへのPDF印刷設定の適用
"""
options.add_experimental_option("prefs", {
"printing.print_preview_sticky_settings.appState": json.dumps(appState),
"download.default_directory": downloadsFilePath,
'download.prompt_for_download': False,
"download.directory_upgrade": True,
'safebrowsing.enabled': True
})
"""
prefs = {}
prefs['download.default_directory'] = os.path.abspath(downloadsFilePath)# + r"/"
prefs['printing.print_preview_sticky_settings.appState'] = json.dumps(appState)
#prefs['download.prompt_for_download'] = False
prefs['download.directory_upgrade'] = True
#prefs['safebrowsing.enabled'] = True
options.add_experimental_option('prefs', prefs)
options.add_argument('--kiosk-printing')
#with webdriver.Chrome("./chromedriver", options=options) as driver:
with webdriver.Chrome(service=fs.Service(executable_path=ChromeDriverManager().install()),options=options) as driver:
# 任意のHTMLの要素が特定の状態になるまで待つ
wait = WebDriverWait(driver, 15)
for url in urls:
driver.implicitly_wait(10)
driver.get(url)
# ページ上のすべての要素が読み込まれるまで待機
wait.until(EC.presence_of_all_elements_located)
# PDFとして印刷
driver.execute_script('return window.print()')
# 待機
time.sleep(10)
driver.quit()
downloadsFilePath = ''
と言う風にディレクトリ指定が空のようですが、質問時の転記ミスか情報隠しですか? それから2つ目の参照記事は純粋にファイルのダウンロードのはずなので参考にはならないと思われます。 そしてもしかしたらこちらのJavaやC#の記事が何か参考になるかもしれません。how to make headless chrome support window.print?, Save as PDF using Selenium and ChromedownloadsFilePath = ''
は情報隠しでした.純粋なファイルのダウンロードだけ上手くできるのが奇妙です…… PDFをダウンロードする方法を調べて出てくるほとんどのサイトが1つ目と同様な方法を使っているのでお手上げです.それと仮にこの問題が解決してもヘッドレスモードとの併用に頭を悩ませることが確定しているので憂鬱です.requestsを模索するのがいいのかもしれません.あと“paramsの設定が部分的に適応されていることから〜”のparams
はprefs
の間違いでした.