使用 Java 提取和删除 PDF 文档附件（完整指南）

在日常开发和文档处理工作中，我们经常会遇到需要操作 PDF 文档的情况。除了读取文本和图片，有时还需要处理 PDF 附件，例如提取嵌入的文件、查看附件信息，甚至批量删除附件。本文将围绕 Java 语言，详细讲解如何使用示例代码来操作 PDF 附件，包括提取所有附件、单独处理附件、获取附件信息，以及删除附件。

本文示例基于 Spire.PDF for Java库。通过阅读本文，你将学会如何在 Java 中高效地管理 PDF 附件。

为什么需要操作 PDF 附件

在很多企业场景中，PDF 附件是重要的文档资源：

• 报表和数据文件：企业可能会将 Excel、Word 文件嵌入到 PDF 报告中。
• 合同和证明材料：附件可能包含合同扫描件或授权文件。
• 多媒体内容：有些 PDF 会包含图片、音频、甚至视频作为附件。

对这些附件的管理需求主要包括：

1. 提取附件：将 PDF 中的文件保存到本地，以便后续处理。
2. 获取附件信息：例如文件名、描述、创建时间和修改时间。
3. 删除附件：批量移除 PDF 中的所有附件，减小文件体积或清理敏感信息。

接下来，我们将一步步展示如何用 Java 来实现这些功能。

一、准备工作

在开始之前，需要做一些准备：

• 导入依赖库
  以 Spire.PDF 为例，可以通过 Maven 或直接导入 JAR 包的方式引用。
  Maven 示例依赖：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.pdf</artifactId>
        <version>12.3.9</version>
    </dependency>
</dependencies>

• 准备测试 PDF 文件
  测试用 PDF 文件中应包含一个或多个附件。可使用 Adobe Acrobat 或其他工具添加测试附件。

二、提取 PDF 中的所有附件

当 PDF 中包含多个附件时，最常用的操作是 批量提取。下面示例展示如何在 Java 中实现这一功能：

import com.spire.pdf.PdfDocument;
import com.spire.pdf.attachments.*;
import java.io.*;

public class ExtractAllAttachments {
    public static void main(String[] args) throws Exception {
        // 加载 PDF 文档
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("data/template_Pdf_2.pdf");

        // 获取附件集合
        PdfAttachmentCollection attachments = pdf.getAttachments();

        // 遍历所有附件并保存到本地
        for (int i = 0; i < attachments.getCount(); i++) {
            PdfAttachment attachment = attachments.get(i);
            String fileName = attachment.getFileName();

            // 写入本地文件
            try (BufferedOutputStream output = new BufferedOutputStream(new FileOutputStream(new File("output/" + fileName)))) {
                output.write(attachment.getData());
            }
        }

        // 释放资源
        pdf.close();
        pdf.dispose();

        System.out.println("所有附件已成功提取到 output 目录。");
    }
}

代码解析

1. PdfDocument：用于加载 PDF 文件。
2. PdfAttachmentCollection：表示 PDF 中的附件集合。
3. BufferedOutputStream：高效写入附件数据到本地文件。
4. 循环遍历：处理每个附件并保存到 output/ 文件夹。

这种方法适合 PDF 中附件数量较多的情况。

三、提取 PDF 中的单个附件

有时我们只需要获取 第一个附件或指定索引的附件。以下是示例：

import com.spire.pdf.PdfDocument;
import com.spire.pdf.attachments.*;
import javax.imageio.stream.FileImageOutputStream;
import java.io.*;

public class ExtractSingleAttachment {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("data/deleteAllAttachments.pdf");

        PdfAttachmentCollection attachments = pdf.getAttachments();

        if (attachments.getCount() > 0) {
            PdfAttachment attachment = attachments.get(0);
            try (FileImageOutputStream output = new FileImageOutputStream(new File("output/" + attachment.getFileName()))) {
                output.write(attachment.getData(), 0, attachment.getData().length);
            }

            System.out.println("已提取第一个附件：" + attachment.getFileName());
        } else {
            System.out.println("PDF 中没有附件。");
        }

        pdf.close();
        pdf.dispose();
    }
}

适用场景

• 只需要查看第一个附件。
• PDF 附件数量大，但只关心特定索引的文件。
• 可以根据 attachment.getFileName() 做进一步筛选。

四、获取 PDF 附件信息

在实际开发中，有时我们不仅要提取附件，还需要查看附件的详细信息，例如文件名、描述、创建日期和修改日期。

示例代码如下：

import com.spire.pdf.PdfDocument;
import com.spire.pdf.attachments.*;
import java.io.*;

public class GetAttachmentInfo {
    public static void main(String[] args) throws IOException {
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("data/deleteAllAttachments.pdf");

        PdfAttachmentCollection attachments = pdf.getAttachments();

        if (attachments.getCount() > 0) {
            PdfAttachment attachment = attachments.get(0);
            StringBuilder content = new StringBuilder();
            content.append("Filename: ").append(attachment.getFileName()).append("\n");
            content.append("Description: ").append(attachment.getDescription()).append("\n");
            content.append("Creation Date: ").append(attachment.getCreationDate()).append("\n");
            content.append("Modification Date: ").append(attachment.getModificationDate()).append("\n");

            writeStringToTxt(content.toString(), "output/AttachmentInfo.txt");

            System.out.println("附件信息已写入 output/AttachmentInfo.txt");
        } else {
            System.out.println("PDF 中没有附件。");
        }

        pdf.close();
        pdf.dispose();
    }

    private static void writeStringToTxt(String content, String fileName) throws IOException {
        try (FileWriter writer = new FileWriter(fileName, true)) {
            writer.write(content);
        }
    }
}

说明

• ​​getDescription()​​：获取附件描述信息。
• ​​getCreationDate()​​ 和 getModificationDate()：获取附件时间信息。
• 将信息写入文本文件方便存档或日志记录。

五、删除 PDF 中的所有附件

在某些场景中，需要清理 PDF 附件，比如：

• 减小 PDF 文件体积。
• 移除敏感或临时文件。

实现方式非常简单：

import com.spire.pdf.PdfDocument;
import com.spire.pdf.attachments.*;

public class DeleteAllAttachments {
    public static void main(String[] args) {
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("data/deleteAllAttachments.pdf");

        PdfAttachmentCollection attachments = pdf.getAttachments();

        // 删除所有附件
        attachments.clear();

        pdf.saveToFile("output/deleteAllAttachments.pdf");

        pdf.close();
        pdf.dispose();

        System.out.println("已删除 PDF 中的所有附件，并保存到 output/deleteAllAttachments.pdf");
    }
}

注意事项

• ​​attachments.clear()​​ 会直接清空集合，操作不可逆。
• 建议在删除前备份原 PDF 文件。
• 删除后保存文件，确保修改生效。

六、综合应用场景

通过前面几个示例，我们可以实现如下工作流：

1. 批量提取附件，存入本地 output 文件夹。
2. 读取附件信息，生成日志或报表。
3. 根据条件删除附件，如特定文件名或敏感文件。
4. 保存修改后的 PDF，确保文档完整性。

示例工作流可以结合定时任务或后台服务，实现企业级 PDF 附件管理。

七、常见问题及解决方案

Q1：提取附件失败，文件为空？
A1：确认 PDF 中确实包含附件，并使用 ​​getData()​​ 获取正确的数据。

Q2：输出文件名乱码或无法识别？
A2：附件文件名可能包含特殊字符，建议对文件名做编码或替换非法字符。

Q3：删除附件后 PDF 文件大小没有明显变化？
A3：PDF 内部可能存在其他冗余对象，可使用优化工具进一步压缩 PDF。

Q4：提取附件时内存占用过高？
A4：对于大附件文件，可使用流式读取，避免一次性加载整个文件到内存。

八、实用建议

1. 备份 PDF 文件：在删除附件或大规模操作前，始终保留原始文件。
2. 使用 try-with-resources：保证文件流自动关闭，避免资源泄露。
3. 分文件夹管理附件：按 PDF 文档名称创建对应文件夹存储附件，便于管理。
4. 日志记录操作：记录提取、删除、信息读取操作，方便后续追踪。

九、总结

本文详细讲解了如何使用 Java 操作 PDF 附件，从提取所有附件、单独处理、获取信息，到删除附件，都提供了完整示例代码。通过这些方法，你可以在企业文档处理、数据分析、合同管理等场景下，高效管理 PDF 附件。

无论是批量提取、信息记录，还是清理附件，掌握这些技术都可以显著提高你的开发效率和文档管理能力。

通过实践这些示例代码，你可以灵活扩展功能，比如根据附件类型分类存储、批量重命名附件，甚至结合其他 PDF 操作库实现更复杂的自动化处理。