PDF 不止装文字：用 Python 给 PDF 添加和提取内嵌附件

一份完整的项目报告，往往不只有 PDF 正文，还包括用于计算的 Excel 表格、原始图片或补充说明。如果这些文件分开发送，接收者就需要逐一下载、整理，还可能遗漏其中某一份材料。

PDF 的附件功能提供了另一种组织方式：把配套文件直接嵌入 PDF，让正文与相关资料一起交付。 例如，在财务报告中附上原始工作簿，在产品手册中附上示例文件，或者在合同中附上补充材料。

本文介绍如何使用 Spire.PDF for Python 完成两项操作：向 PDF 添加附件，以及从 PDF 中提取附件。

PDF 附件与页面内容有什么区别？

可以把带附件的 PDF 理解为一份“自带资料袋的文档”：页面负责展示正文，附件负责保存配套文件。

这里的“嵌入”与插入图片、添加超链接有所不同：

因此， 把 Excel 文件作为附件加入 PDF，并不会将工作表转换为 PDF 页面 。接收者提取后，仍然可以用 Excel 打开和编辑原始工作簿。

需要注意，阅读器对附件的支持有所不同。查看附件时，建议使用 Adobe Acrobat 等提供附件面板的桌面阅读器；部分浏览器内置 PDF 查看器可能不显示附件入口。

环境准备

Spire.PDF for Python 是一个用于创建和处理 PDF 的库。本文使用它提供的附件接口，直接操作 PDF 内部保存的文件，无需手动打开阅读器添加或导出附件。

先安装依赖库：

pip install Spire.PDF

在代码中导入所需模块：

from spire.pdf import *

接下来的示例分别演示附件的添加与提取。运行前，请将文件路径替换为本地实际路径。

一、向 PDF 添加附件

假设我们已有一份 PDF 报告，希望把原始数据 Report.xlsx 和配套图片 Logo.png 一并交付。将它们作为附件嵌入后，接收者只需保留一个 PDF，就能同时保存正文与这两份材料。

操作过程分为四步：

1. 加载目标 PDF。
2. 根据外部文件创建附件对象。
3. 将附件加入文档的附件集合。
4. 保存包含附件的新 PDF。

代码示例

from spire.pdf import *
from spire.pdf.common import *

# 创建 PDF 文档对象
doc = PdfDocument()

# 加载目标 PDF
doc.LoadFromFile("Input.pdf")

# 根据外部文件创建附件对象
attachment_one = PdfAttachment("Report.xlsx")
attachment_two = PdfAttachment("Logo.png")

# 将附件加入 PDF
doc.Attachments.Add(attachment_one)
doc.Attachments.Add(attachment_two)

# 保存为新的 PDF 文件
doc.SaveToFile("Attachments.pdf")

# 释放资源
doc.Close()

代码说明与结果查看

PdfAttachment("Report.xlsx") 用于根据指定文件创建附件对象；随后调用 doc.Attachments.Add()，将其加入当前 PDF。需要添加更多文件时，可以继续创建附件对象并加入集合。

附件不会占用页面空间，也不会改变正文排版。 保存后打开 Attachments.pdf，页面看起来可能与原文档完全相同，但在支持附件的阅读器中，可以通过“附件”或“附加文件”面板找到嵌入的文件。

本例使用了不同的输入、输出文件名，因此原始 Input.pdf 会保留，新增附件的结果则保存到 Attachments.pdf。

还需考虑文件体积：附件保存的是文件数据本身，大型工作簿或高清图片可能明显增加 PDF 的大小。用于邮件发送或系统上传时，应同时留意交付渠道的文件大小限制。

二、从 PDF 提取附件

收到带附件的 PDF 后，如果需要编辑其中的工作簿、整理配套图片，或把附件交给后续程序处理，就可以将它们提取为独立文件。

提取附件不需要解析 PDF 页面，也不涉及 OCR。程序直接读取文档的附件集合，再把其中保存的文件数据写入磁盘。

操作过程如下：

1. 加载带附件的 PDF。
2. 获取文档的附件集合。
3. 遍历附件，读取文件名与数据。
4. 将每个附件保存到指定目录。

代码示例

运行前，请先创建 Output\ExtractedFiles 文件夹。

from spire.pdf import *
from spire.pdf.common import *

# Create a PdfDocument object
doc = PdfDocument()
# Load a PDF file
doc.LoadFromFile("Attachments.pdf")
# Get the attachment collection from the document
collection = doc.Attachments
# Loop through the collection
if collection.Count > 0:
    for i in range(collection.Count):
        # Get a specific attachment
        attachment = collection.get_Item(i)
        # Get the file name and data of the attachment
        fileName = attachment.FileName
        data = attachment.Data
        # Save it to a specified folder
        data.Save("Output\\ExtractedFiles\\" + fileName)
doc.Close()

代码说明与结果查看

doc.Attachments 返回文档的附件集合，collection.Count 表示集合中的附件数量。如果没有附件，示例会跳过保存操作。

遍历时，get_Item(i) 按索引获取附件，FileName 提供文件名，Data.Save(path) 则将附件数据写入指定位置。

对于前面的示例，提取完成后，输出目录中将出现 Report.xlsx 和 Logo.png。这些文件可以分别交给对应的软件打开，无需再通过 PDF 阅读器访问。

提取时需要注意的细节

首先是输出目录。 示例假定 Output\ExtractedFiles 已经存在；实际项目中，可以在提取前用 Python 的 os.makedirs() 自动创建目录。

其次是文件重名。 不同 PDF 可能都包含名为 Report.xlsx 的附件，如果统一保存到同一文件夹，就可能发生覆盖。批量提取时，建议为每份 PDF 创建独立子文件夹；同一 PDF 内的同名附件，则可以在文件名前添加索引。

还应规范保存文件名。 处理外部来源的 PDF 时，可用 os.path.basename() 取出附件名称中的文件名部分，再与目标目录组合，避免直接将附件名称中的路径信息用于保存。

常见问题

添加附件后，为什么 PDF 页面没有变化？

附件保存在文档内部，并不属于页面上直接显示的内容。请使用支持附件功能的阅读器，在附件面板中查看。

添加附件后，还需要发送原始文件吗？

附件已随 PDF 保存时，接收者可以从 PDF 中将其提取出来。不过，交付前最好打开输出文件检查一次，确认所需附件均已加入。

提取附件与提取 PDF 中的图片是一回事吗？

不是。提取附件是读取 PDF 内嵌的独立文件；提取页面图片则是读取页面使用的图像资源。即使某张图片显示在 PDF 页面上，它也不一定属于附件集合。

可以批量处理多个 PDF 吗？

可以。将单个 PDF 的处理逻辑放入文件遍历循环即可。批量提取时，建议按 PDF 文件名分别建立输出目录，方便追溯来源并减少重名冲突。

小结

PDF 附件适合把“正文”和“配套资料”组织在一起：正文保持便于阅读的版式，原始工作簿、图片和补充文件则随文档一同保存。

使用 Spire.PDF for Python，可以通过 PdfAttachment 和 doc.Attachments.Add() 添加附件，也可以遍历 doc.Attachments，将已有附件保存为独立文件。实际应用中，重点关注阅读器兼容性、文件体积，以及提取时的目录和文件名处理即可。