下载网页中的 pdf 各种姿势，教你如何 carry 各种网页上的 pdf 文档。

关联词: PDF 下载 FLASH 网页 HTML 报告 内嵌 浏览器 文档 FlexPaperViewer swfobject pdf2swf 。

这个需求是最近帮一个学妹处理一下各大高校网站里的 PDF 文档下载，又增加了无用的逆向知识 XD ，根据这些思路，可以有效的下载这类网站的文档文件。

这需要你有点 HTML5 和 Flash 时代的基础认知，顺便能看 F12 的 network 、cache 等内容，推算真实地址等。

我从最简单的说起，首先准备一个谷歌浏览器，有趣的是需要谷歌浏览器的打印功能，导出到 PDF 上。

第一种样本，是直接的 .pdf 该类直接下载即可，没有难度。

• http://zjc.suda.edu.cn/_upload/article/files/5f/cd/6352cea9466b80a3677983aab1ef/72cd882e-8bf8-4021-9960-553ebc770e4d.pdf

第二种样本，是现代 H5 + JS 内嵌 PDF 浏览器的方式。

属于现代 H5 JS 的产物，需要用 F12 开发者工具看源码推断 PDF 文件路径，接下来截图举例。

• http://www.nuaa.edu.cn/2020/0108/c295a192335/page.htm

对其右键选检查，此时进入 F12 的 HTML 元素审查位置，可以找到它的定义代码。

仔细看标签内容可以发现，存在 data-url="/_upload/article/files/3d/8d/78ed42f44031bcb6793b0eb27af1/8e6ad93b-4902-4fd8-bba5-bfabaf852885_1.png" 这类标签。

试图搜索（Ctrl + F）页面内容中的 .pdf 文件后缀，就会发现它的文件源存在了 pdfsrc="/_upload/article/files/3d/8d/78ed42f44031bcb6793b0eb27af1/8e6ad93b-4902-4fd8-bba5-bfabaf852885.pdf" 。

此时需要确定它的服务器源，从而获取真实地址，可以绝大概率是从这里来的。

因此地址改为 http://www.nuaa.edu.cn//_upload/article/files/3d/8d/78ed42f44031bcb6793b0eb27af1/8e6ad93b-4902-4fd8-bba5-bfabaf852885.pdf 就出来了。

觉得还不太相信？那就再来一个。

• http://zjc.suda.edu.cn/88/5c/c5230a362588/page.htm

直接进 F12 直接搜 .pdf 直接找到源直接替换直接得到文件路径。

直接得到 http://zjc.suda.edu.cn//_upload/article/files/5f/cd/6352cea9466b80a3677983aab1ef/72cd882e-8bf8-4021-9960-553ebc770e4d.pdf 就是了。

聪明的你学会了吗？接着我们进入第三种样本吧。

第三种样本，旧时代的遗留产物 FLASH 下的 PDF 文档

这个需要一点编程基础了，我之前思路走歪了，现代电脑已经不支持过去的 Flash 软件了，我先是获取了 swf 后试图转换图片、反编译其内容，但能够在 Win10 上 work 的软件已经不多了。

最后痛定思痛，想起，我是个程序猿鸭，为什么要这么耿直的使用工具呢？没错，我直接怼代码进去了，就可以解决了嘻嘻，接下来就是复现这个过程。

注意，针对 swf 转 pdf 问题文件，可以使用 github 的代码去实现，在这里不过多提及，关键词可以是 pdf2swf 和 FlexPaper 使用正向代码解决问题。

只是想起以前浏览器还可以直接读取 flash swf 文件的，不知道为什么现在已经不支持了。

• http://job.neuq.edu.cn/content.jsp?urltype=news.NewsContentUrl&wbtreeid=1022&wbnewsid=1978&&tdsourcetag=s_pcqq_aiomsg

从右键我们可以得知它是 flash 播放器，这个真的没办法通过 html 得到，那么怎么办呢。

搜索 .pdf 或 .doc 都没用了，根本得不到它的文件，反而可以得到 swf 文件，讲道理，如果是早年间的电脑，相关工具应该还是可以解决问题的，如 swf2png 这类工具。

但是 win10 已经无法正常 work 了，那么我在这个地方浪费了很久以后，仔细看了一下它的组件，对，就是 /system/resource/swf/FlexPaperViewer.swf 挺古老的东西了。

顺便一提，谷歌浏览器将在 2020年12月终止 flash 组件。

那么，正面转换 swf 已经不现实了，我开始阅读标签代码，如下图。

<p><embed width="650" height="600" src="/system/resource/swf/FlexPaperViewer.swf" type="application/x-shockwave-flash" isdependent="0" allowfullscreeninteractive="true" allowfullscreen="true" allownetworking="all" profileport="0" profile="0" seamlesstabbing="1" swremote="" bgcolor="" embedmovie="0" devicefont="0" scale="NoScale" allowscriptaccess="always" base="" menu="-1" salign="LT" quality="High" loop="-1" play="0" wmode="Opaque" flashvars="SwfFile=/__local/4/50/01/98B6C628FBB041488F68F907AD6_FB8BA217_F7CF8.swf?e=.swf&amp;Scale=0.6&amp;key=cbd65a4d4530487cc02$6103f82513859c4feeb&amp;ZoomTransition=easeOut&amp;ZoomTime=0.5&amp;ZoomInterval=0.2&amp;FitWidthOnLoad=true&amp;MinZoomSize=0.2&amp;MaxZoomSize=5&amp;InitViewMode=Portrait&amp;ViewModeToolsVisible=true&amp;ZoomToolsVisible=true&amp;NavToolsVisible=true&amp;CursorToolsVisible=true&amp;SearchToolsVisible=true&amp;localeChain=zh_CN&amp;isPrintable=false&amp;isTextSelectable=false"><br></p>

写代码嘛，这里就是定义这个 FlexPaperViewer 组件的调用参数，那么看到 isPrintable=false ，这里 false 就是关，表示停用打印机选项，改成 true 先。

发现没反应，这是因为这时候标签没有刷新，所以编辑一下再保存，让 JS 重载改组件。

此时你会看到一个神奇的选项出来了，对的，就是打印机，那么你知道怎么做了吗？

打印它，然后另存为 PDF 就可以了。

嗯，接下来你都知道了吧。

第四种样本，炫酷的动画版 PDF 文档。

这一种动画制的 PDF 版本，有点复杂，依赖库使用的是 SWFObject 组件，但也不是不能搞，但不能像前面的那种方式处理了。

• http://report.dsjyw.net/

/*!	SWFObject v2.2 <http://code.google.com/p/swfobject/>
	is released under the MIT License <http://www.opensource.org/licenses/mit-license.php>
*/

现在怎么办呢？打印也没用，文件源也找不到，只好仔细观察 network 的数据流了。

PC 页面下什么也做不了了，那就切换到手机页面试试

此时注意到 network 的图片文件在随着翻页加载。

现在发现它在获取图片了，这是个好消息。

对的，我们可以将全部图片下载下来，然后保存全部网页，包括图片。

有了图片，就可以使用福昕 PDF 图片合并工具了。

现在就可以得到，但这种方法下得到的像素会有一点损失，并不是最佳的，主要是因为 jpg 的有损显示导致的字体模糊。

如果你仔细阅读代码，也许可以把打印机的选项开起来，但我看到这个高度封装的 nodejs 产物就没有耐心了（摊手。

第五种样本，恶心的 PPT 视频

没想到吧，还有 MP4 的动画版本。

• https://v.xiaobaijob.com/2019AnnualReport.mp4
  
  

最后一种的 MP4 样本，我认为可以忽略了，如果真的要处理，那就丢到 ScreenToGif 中取关键帧出来，去除相似度较高的内容即可。

最后，这些内容希望可以给你一些启发，嘻嘻。