python 提取 pdf 文档中的附件-ag凯发旗舰厅

在 pdf 文档中，除了使用文本和图像构成文档基本内容外，用户还可以在其中嵌入各种类型的附件，如文档、图像、音频文件或其他多媒体元素。许多 pdf 文档会嵌入附件作为补充资料，如报告、电子表格或法律文件。将这些文档中的附件提取出来，可以方便用户对附件进行检索、修改和分享等操作。本文将演示如何使用 spire.pdf for python 通过 python 程序从 pdf 文档中提取附件。

• 用 python 从 pdf 中提取文档附件
• 用 python 从 pdf 中提取注释附件

安装 spire.pdf for python

本教程需要用到 spire.pdf for python 和 plum-dispatch v1.7.4。可以通过以下 pip 命令将它们轻松安装到 vs code 中。

pip install spire.pdf

如果您不确定如何安装，请参考：如何在 vs code 中安装 spire.pdf for python

相关知识

pdf 文件中有两类附件：文档级附件和注释级附件。下面的表格说明了这两类附件之间的差异以及它们在 spire.pdf 中的表示方式。

用 python 从 pdf 中提取文档附件

使用 pdfdocument.attachments 属性可以获取 pdf 文档中的文档附件。每个附件都有一个 pdfattachment.filename 属性，提供指定附件的文件名（包括文件扩展名）。此外，pdfattachment.data 属性能帮助开发者访问附件的数据，pdfattachment.data.save() 方法将附件保存到指定文件夹。

使用 python 从 pdf 中提取文档附件的操作步骤如下：

• 创建一个 pdfdocument 类的对象。
• 使用 pdfdocument.loadfromfile() 方法加载 pdf 文件。
• 使用 pdfdocument.attachments 属性获取附件的集合。
• 遍历附件集合。
• 从集合中获取指定附件，并使用 pdfattachment.filename 属性和 pdfattachment.data 属性获取附件的文件名和文件数据。
• 使用 pdfattachment.data.save() 方法将附件保存到指定的文件夹中。

from spire.pdf import *
from spire.pdf.common import *
# 创建pdfdocument类的对象
doc = pdfdocument()
# 载入pdf文件
doc.loadfromfile("示例.pdf")
# 获取文档中的文档附件集合
collection = doc.attachments
# 遍历附件集合
if collection.count > 0:
    for i in range(collection.count):
        # 获取指定附件
        attactment = collection.get_item(i)
        # 获取附件的文件名和文件数据
        filename= attactment.filename
        data = attactment.data
        # 保存附件到指定文件夹
        data.save("output/文档附件/"   filename)
doc.close()

用 python 从 pdf 中提取注释附件

注释附件是基于页面的元素。要从特定页面获取注释附件，可以先通过 pdfpagebase.annotationswidget 属性获取页面注释，然后判断注释是否是附件注释，最后将附件注释中的附件保存到指定的文件夹即可。

以下是使用 python 从 pdf 中提取注释附件的操作步骤：

• 创建一个 pdfdocument 类的对象。
• 使用 pdfdocument.loadfromfile() 方法加载 pdf 文件。
• 遍历文档中的页面。
• 通过 pdfpagebase.annotationswidget 属性获取指定页面的所有注释。
• 遍历注释，并确定指定注释是否是附件注释。
• 如果是附件注释，则使用 pdfattachmentannotation.filename 属性和 pdfattachmentannotation.data 属性获取附件的文件名和文件数据。
• 将注释附件保存到指定的文件夹中。

from spire.pdf import *
from spire.pdf.common import *
# 创建pdfdocument类的对象
doc = pdfdocument()
# 载入pdf文件
doc.loadfromfile("示例1.pdf")
# 遍历文档页面
for i in range(doc.pages.count):
    # 获取指定页面
    page = doc.pages.get_item(i)
    # 获取页面上的所有注释
    annotationcollection = page.annotationswidget
    # 判断页面是否包含注释
    if annotationcollection.count > 0:
        # 遍历页面中的注释
        for j in range(annotationcollection.count):
            # 获取指定注释
            annotation = annotationcollection.get_item(j)
            # 判断指定注释是否为附件注释
            if isinstance(annotation, pdfattachmentannotationwidget):
              
                # 获取附件的文件名和文件数据
                filename = annotation.filename
                bytedata = annotation.data
                streamms = stream(bytedata)
                # 将附件保存到指定文件夹
                streamms.save("output/注释附件/"   filename)
doc.close()

申请临时 license

如果您希望删除结果文档中的评估消息，或者摆脱功能限制，请该email地址已收到反垃圾邮件插件保护。要显示它您需要在浏览器中启用javascript。获取有效期 30 天的临时许可证。