ReportLab生成的跨页AcroForms无法正常提取的问题排查

你遇到的核心问题在于PyPDF2的mergePage和页面添加逻辑会覆盖文档级的AcroForm字典：

• 用ReportLab生成的每个带表单字段的Canvas，都会生成一个独立的PDF，其中包含自己的/AcroForm字典（存储表单字段的根结构）。
• 当你把带AcroForm的页面合并到原页面并添加到PdfFileWriter时，PyPDF2不会合并两个AcroForm的字段，而是直接用新页面的AcroForm替换掉输出文档已有的AcroForm。最终只有最后添加的那个页面的字段会被保留在文档级表单中，导致读取时只能看到这部分内容。

以下两种方法可以解决这个问题：

方法1：手动合并AcroForm字段（基于PyPDF2） #

在所有页面添加到输出文档后，手动将各页面的表单字段合并到统一的AcroForm字典中：

import io
from PyPDF2 import PdfFileReader, PdfFileWriter
from reportlab.lib.pagesizes import A4
from reportlab.pdfgen import canvas

page_num = 11
file = "input.pdf"
with open(file, "rb") as input_file:
    input_pdf = PdfFileReader(input_file)
    page_1 = input_pdf.getPage(page_num - 1)
    page_2 = input_pdf.getPage(page_num)
    output = PdfFileWriter()

    # 生成第一页的表单层
    packet1 = io.BytesIO()
    c1 = canvas.Canvas(packet1, pagesize=A4)
    c1.drawString(5, 5, "Some Text")
    c1.acroForm.textfield(name="Text Field", x=10, y=600)
    c1.save()
    packet1.seek(0)
    form_pdf1 = PdfFileReader(packet1)
    page_1.mergePage(form_pdf1.getPage(0))
    output.addPage(page_1)

    # 生成第二页的表单层
    packet2 = io.BytesIO()
    c2 = canvas.Canvas(packet2, pagesize=A4)
    c2.drawString(5, 5, "Some more text")
    c2.acroForm.radio(name="Radio", value="1", x=10, y=500)
    c2.acroForm.radio(name="Radio", value="2", x=30, y=500)
    c2.save()
    packet2.seek(0)
    form_pdf2 = PdfFileReader(packet2)
    page_2.mergePage(form_pdf2.getPage(0))
    output.addPage(page_2)

    # 手动合并两个表单的字段
    fields1 = form_pdf1.get_fields()
    fields2 = form_pdf2.get_fields()

    # 初始化输出文档的AcroForm
    if not output._root_object.get("/AcroForm"):
        output._root_object.update({
            "/AcroForm": form_pdf1._root_object["/AcroForm"].copy()
        })
    acro_form = output._root_object["/AcroForm"]

    # 合并字段列表
    existing_fields = acro_form.get("/Fields", [])
    existing_fields.extend(fields2.values())
    acro_form["/Fields"] = existing_fields

    # 输出PDF
    with open(f"input-digitised.pdf", "wb") as f:
        output.write(f)

方法2：使用pdfrw库（更简洁） #

pdfrw对AcroForm的合并支持更友好，无需手动处理字典细节：

1. 先安装依赖：pip install pdfrw
2. 修改代码如下：

import io
from pdfrw import PdfReader, PdfWriter, PageMerge
from reportlab.lib.pagesizes import A4
from reportlab.pdfgen import canvas

page_num = 11
file = "input.pdf"
input_pdf = PdfReader(file)
output = PdfWriter()

# 生成第一页的表单层
packet1 = io.BytesIO()
c1 = canvas.Canvas(packet1, pagesize=A4)
c1.drawString(5, 5, "Some Text")
c1.acroForm.textfield(name="Text Field", x=10, y=600)
c1.save()
packet1.seek(0)
form_pdf1 = PdfReader(packet1)

# 合并原页面与表单层
page1 = PageMerge().add(input_pdf.pages[page_num-1]).add(form_pdf1.pages[0]).render()
output.addpage(page1)

# 生成第二页的表单层
packet2 = io.BytesIO()
c2 = canvas.Canvas(packet2, pagesize=A4)
c2.drawString(5, 5, "Some more text")
c2.acroForm.radio(name="Radio", value="1", x=10, y=500)
c2.acroForm.radio(name="Radio", value="2", x=30, y=500)
c2.save()
packet2.seek(0)
form_pdf2 = PdfReader(packet2)

# 合并原页面与表单层
page2 = PageMerge().add(input_pdf.pages[page_num]).add(form_pdf2.pages[0]).render()
output.addpage(page2)

# 合并所有表单字段
output.trailer.AcroForm = PdfReader().IndirectPdfDict(Fields=[])
all_fields = []
if form_pdf1.trailer.AcroForm and form_pdf1.trailer.AcroForm.Fields:
    all_fields.extend(form_pdf1.trailer.AcroForm.Fields)
if form_pdf2.trailer.AcroForm and form_pdf2.trailer.AcroForm.Fields:
    all_fields.extend(form_pdf2.trailer.AcroForm.Fields)
output.trailer.AcroForm.Fields = all_fields
output.trailer.AcroForm.setdefault('/NeedAppearances', True)

output.write("input-digitised.pdf")

你之前尝试的单个Canvas、分开保存再合并的方法无效，原因是：

• 单个Canvas无法同时绘制多页内容；
• 分开保存后合并PDF时，PyPDF2依然会用最后一个文档的AcroForm替换之前的，导致字段丢失。

内容的提问来源于stack exchange，提问作者Nico