从MS SQL Server 2008提取PDF字节数据转存本地时文件损坏问题

看起来你遇到的问题大概率是文件写入方式不对或者不必要的编码/解码操作导致的，我帮你梳理下问题并给出可行的解决方案：

可能的错误原因 #

• 你可能用了文本模式（"w"）而不是二进制模式（"wb"）写入文件，导致字节流被错误转码，直接破坏了PDF的结构。
• 代码里导入了base64但如果原始字段存储的是原生PDF字节流，没必要做base64解码，这会直接让内容错乱。

修正后的完整代码 #

import pyodbc
import os

# 建立数据库连接
cnxn = pyodbc.connect('DSN=SQL')
cursor = cnxn.cursor()

# 执行查询（建议加WHERE条件，避免一次性导出所有数据导致内存压力）
cursor.execute("SELECT content FROM digitalassetcontent")

# 创建输出目录（不存在则自动创建）
output_folder = "./extracted_pdfs"
os.makedirs(output_folder, exist_ok=True)

# 遍历结果并写入PDF文件
for file_index, row in enumerate(cursor.fetchall(), start=1):
    pdf_bytes = row.content
    # 不管是bytearray还是bytes，直接用二进制模式写入即可
    with open(os.path.join(output_folder, f"document_{file_index}.pdf"), "wb") as pdf_file:
        pdf_file.write(pdf_bytes)

# 关闭资源
cursor.close()
cnxn.close()

额外排查建议 #

• 验证数据有效性：先取一条数据，打印它的前几个字节，正常PDF的开头应该是b'%PDF-'，如果不是，说明你可能取错了字段，或者数据库里的存储本身有问题。
• 检查数据长度：如果返回的content长度为0或者异常小（比如只有几十字节），那大概率是数据本身的问题，需要确认数据库里的存储是否正确。

内容的提问来源于stack exchange，提问作者AlliDeacon