playwright中page.pdf()导出空白或失败，根本原因是chromium默认禁用打印功能且页面未充分渲染；需显式启用--enable-printing、等待networkidle、切换emulate_media("print")并校验pdf内容有效性。
Playwright 中 page.pdf() 为什么导出空白或失败
直接调用 page.pdf() 常见问题是生成空 PDF 或报错 Protocol error (Page.printToPDF): Printing is not enabled。根本原因不是代码写错了，而是 Chromium 默认禁用打印功能，且页面未充分加载或未触发渲染就执行导出。
实操建议：
- 必须在
page.goto()后显式等待关键内容出现，例如page.wait_for_selector("main")或page.wait_for_load_state("networkidle")，不能只靠time.sleep() - 启动浏览器时需启用打印支持：传入
args=["--enable-printing"]（Linux/macOS）或["--enable-printing", "--print-to-pdf-no-header"]（Windows 更稳定） -
page.pdf()不支持直接导出带 JS 渲染的富文档（如 Vue/React 动态表格），需先确保目标 DOM 已静态就绪
导出前如何模拟“页面打印”行为（避免样式丢失）
很多在线文档（如 Notion、语雀、腾讯文档）会通过 CSS 的 @media print 隐藏侧边栏、按钮等非正文元素，但 Playwright 默认不触发该媒体查询。直接截图或 PDF 导出常保留导航栏、广告位，甚至排版错乱。
实操建议：
- 注入一段 JS 强制激活打印样式：
page.add_style_tag(content="@media print { * { visibility: visible !important; } }")（仅作兜底，不推荐长期依赖） - 更可靠的方式是先用
page.emulate_media(media="print")切换媒体类型，再等待重绘完成（如page.wait_for_timeout(300)） - 若文档使用 Shadow DOM 或 iframe 加载正文，需先
page.frame_locator()定位到目标 frame 再执行 PDF 导出
处理登录态与动态 Token 的实际方案
多数在线文档平台要求登录后才能查看完整内容，而 Playwright 的无头模式默认不保存 Cookie，手动登录又易被风控拦截（如滑块、短信验证）。
实操建议：
- 跳过登录流程：用已登录的浏览器配置启动，例如
playwright.chromium.launch_persistent_context(user_data_dir="/path/to/Chrome/User Data", headless=False)，复用本地 Chrome 的登录态和扩展 - 若必须自动化登录，优先用
storage_state保存/加载认证状态，而非重复输入账号密码：context = browser.new_context(storage_state="auth.json") - 注意 Token 过期时间——
storage_state中的 cookie 可能含Expires字段，导出任务若隔天运行，需重新触发登录并覆盖旧文件
导出 PDF 后如何校验内容有效性
自动化流程中，PDF 看似生成成功，但可能只有封面页、全是空白页，或文字被渲染为路径（无法复制）。靠人工抽查不可持续。
实操建议：
- 用
pypdf.PdfReader快速检查页数和基础元数据：len(reader.pages) > 0 and reader.pages[0].extract_text().strip() - 避免依赖 OCR：对纯文本 PDF，优先用
pdfplumber提取首屏可见文字，比PyMuPDF更轻量且抗干扰强 - 导出后立即对比哈希值（如
hashlib.md5(open("out.pdf","rb").read()).hexdigest()）可快速识别重复或空文件，适合加入 CI 流水线
真正难的不是点一下“打印”，而是让页面在无人值守时稳定进入可打印状态——这需要你理解目标网站的加载节奏、CSS 媒体逻辑和 Playwright 的上下文生命周期。漏掉任意一环，PDF 就可能变成一张白纸。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
