Playwright 实战：轻松掌握 PDF 内容验证
说起来啊，在自动化测试这个圈子里，PDF 内容的验证常常是个被忽略的角落。但真要较真起来，它的重要性一点都不比 UI 验证低——毕竟，发片、合同这些关键信息，往往都装在 PDF 文件里。今天我们就来聊聊，如何在 Playwright 的框架下，结合 pdf-parse 和 fs 模块，把这件“靠谱”的事给做实了。
先说说 Playwright 为什么值得选。它是一款成熟的开源自动化测试工具，支持多浏览器、多平台，生态很完备。美中不足的是，它没有内置 PDF 验证功能。不过别担心，思路其实不复杂：先下载，再解析，最后比对文本就行。下面一步一步展开。
准备工作
先把需要的依赖装上：
npm install playwright fs pdf-parse
npm init playwright@latest实战步骤
1. 下载 PDF 文件
用 Playwright 模拟用户点击，触发下载并保存文件。关键是同时监听下载事件，防止页面跳转把下载请求弄丢：
const { test, expect } = require('@playwright/test');
test('下载 PDF 文件', async ({ page }) => {
// 导航到包含 PDF 的页面
await page.goto('https://pdfobject.com/pdf/sample.pdf');
// 同时等待下载事件并触发下载
const [download] = await Promise.all([
page.waitForEvent('download'),
page.getByRole('link', { name: 'A Simple PDF File' }).click()
]);
// 保存文件到指定路径
const filePath = 'ExportData/' + download.suggestedFilename();
await download.sa veAs(filePath);
});这段代码里，Promise.all 的作用是同时启动“等待下载”和“点击操作”，避免因异步时序错乱导致下载事件没捕获到——这是实际项目中很容易踩的坑。
2. 提取 PDF 内容
下载到本地之后，用 pdf-parse 这个利器把 PDF 里的文字扒下来。解析结果可以直接保存为文本文件，方便后续对比：
const fs = require('fs');
const pdf = require('pdf-parse');
async function extractPdfText(filePath) {
try {
// 读取 PDF 文件内容
const dataBuffer = fs.readFileSync(filePath);
// 解析 PDF 获取文本
const data = await pdf(dataBuffer);
// 将提取的文本保存到 actual.txt
fs.writeFileSync('./ExportData/actual.txt', data.text);
} catch (error) {
// 处理解析失败的情况，比如 PDF 是纯图片格式
console.error('PDF 解析失败:', error);
}
}
// 调用函数提取文本
extractPdfText('./ExportData/sample.pdf');注意 pdf-parse 对纯图片型 PDF 无能为力——那种情况下需要结合 OCR（如 Tesseract）来处理，这里不展开。
3. 验证内容
最后一步，把实际提取的文本和预期文本做对比。这一步用 Playwright 自带的 expect 断言就能搞定，非常干净：
test('验证 PDF 内容', async () => {
// 读取预期和实际文本内容
let expected = fs.readFileSync('./ExportData/expected.txt', 'utf-8');
let actual = fs.readFileSync('./ExportData/actual.txt', 'utf-8');
// 使用 Playwright 的 expect 断言内容一致
expect(actual).toBe(expected);
});如果两个文件内容不匹配，测试就会失败，这时可以查看报告或日志，定位具体差异。
项目目录结构
为了方便理解，整个项目的文件组织是这样的：
- ExportData
- actual.txt # 提取的实际文本
- expected.txt # 预期的文本
- sample.pdf # 下载的 PDF 文件
- node_modules # 依赖包
- playwright-report # 测试报告
- tests
- example.spec.js # 测试脚本
- package-lock.json
- package.json
- playwright.config.js这种结构清晰、易维护，也方便在 CI/CD 中复用。
结语
通过这三个步骤，在 Playwright 里实现 PDF 内容的自动化验证其实并不复杂。它不仅提升了测试的覆盖范围，也让我们对关键文档的准确性更有底。直接在项目里试一下吧，效果立竿见影。
