如何使用Python定位PDF文件中的数字签名并提取相关信息

• 需求为用Python批量处理多份PDF文件，检测文件是否存在数字签名，签名存在时提取其中的详情信息，本次需要提取的核心字段是签署人邮箱，无邮箱的签名属于例外场景。
• 最初的实现思路是先把文档内所有签名对象存入列表，再遍历列表读取每个签名的详情，需要确认该方案是否可行，以及签名对象的具体定位方法。
• 目前网上可检索到的资料大多围绕PDF签名验证、PDF签署功能展开，和当前提取签名属性的需求不匹配。

问题更新 #

• 目前已经可以定位到PDF中的签名对象并获取内容，但在解码环节遇到问题。
• 早期临时定位方案是直接指定签名对象的索引，但不同PDF的签名对象索引不固定，后续优化思路是：签名对象的Type属性固定为Sig，可以遍历所有对象检查Type属性，属性值为Sig即为目标签名对象。
• 获取到的签名内容类型为pdfreader.types.native.HexString，原计划直接解码该字符串获取数据，但转字节后用utf-8、ascii解码均报错：
  • UTF-8解码报错：'utf-8' codec can't decode byte 0x82 in position 1: invalid start byte
  • ASCII解码报错：'ascii' codec can't decode byte 0x82 in position 1: ordinal not in range(128)
    需要可行的解码/字段提取方案。

• 之前解码报错的核心原因是：签名的content字段本身不存储需要的业务属性，之前控制台输出的签名对象内容不完整（大概率是Visual Studio调试控制台的输出截断问题），数字签名对象实际包含更多直接可读取的属性，本次需要的邮箱信息就直接存储在签名对象的Name属性下，不需要解码HexString内容。
• 剩下需要解决的是获取PDF文件内的总对象数问题：文档最后一个trailer块中包含Size属性，对应文件内的对象总数。由于pdfreader的PDFTrailer对象没有直接暴露该属性，本次通过字符串操作提取该值。

注意：遍历对象的循环中使用了try-catch兜底逻辑，更严谨的实现应该在读取对象前先判断对象是否存在、是否包含Type属性，不建议直接照搬以下代码，建议根据实际场景补充更严谨的判断逻辑。

完整实现代码如下：

from pdfreader import PDFDocument

filename = r"<filepath.pdf>"
fd = open(filename, "rb")
doc = PDFDocument(fd)
pdf_content = str(fd.read())
nr_of_obj = 0
nr_of_signatures = 0
signature_names = [] # 该场景下存储的是签署人邮箱
s_trailer = 'trailer'
s_startxref = 'startxref'

# 定位文档最后一个trailer块的起止位置，末尾偏移2是为了跳过trailer前后的换行符
last_trailer_start = pdf_content.rfind(s_trailer)+len(s_trailer)+2
last_trailer_end = pdf_content.rfind(s_startxref)-2

# 拼接提取trailer块内容
trailer = ""
for i in range(last_trailer_start, last_trailer_end):
    trailer += pdf_content[i]

# 拆分trailer属性，定位并读取Size字段值（即PDF总对象数）
trailer = trailer.split('/')
for attribute in trailer:
    if attribute.find('Size') >= 0:
        nr_of_obj = int(attribute.replace('Size','').strip())
        break

# 遍历所有对象，筛选Type为Sig的签名对象，提取Name字段
# 注意：不是所有编号对应的对象都存在，也不是所有对象都有Type属性，因此加try-catch兜底
for i in range(1, nr_of_obj):    
    try:
        raw_obj = doc.locate_object(i,0)
        obj = doc.build(raw_obj)
        if obj.Type == 'Sig':
            nr_of_signatures +=1
            signature_names.append(obj.Name)
    except:
        continue
print(nr_of_signatures)
print(signature_names)

内容的提问来源于stack exchange，提问作者Oskars