如何使用python定位PDF文件中的数字签名答案

【问题标题】：How to locate digital signatures in PDF files with python如何使用python定位PDF文件中的数字签名
【发布时间】：2022-06-10 17:48:04
【问题描述】：

我有一个相当简单的挑战，至少一开始看起来是这样。我选择了 python 来做这个。

我有多个 PDF 文件，我必须检测其数字签名（如果存在或根本不存在）并从中获取一些详细信息（如果存在）。例如，在我的 PDF 文件中，在签名上，总是有签名人的电子邮件地址。没有电子邮件的签名将是例外情况。

我的设想是，我应该能够找到文档中的所有签名对象并将它们放入数组或列表中，然后检查它们的详细信息。这可能吗？如何找到它们？

我在网上能找到的所有内容都与验证签名或签署 PDF 文件有关，虽然这很重要，但我不需要。

编辑

我现在已经设法在我的 PDF 文件中找到签名并获取其内容。但是，我现在确实在努力解码内容。

当前查找签名的解决方案只是暂时的，因为我必须使用签名对象的索引来定位它。不同的 PDF 文档的签名索引会有不同的索引。但是类型是“Sig”，因此可以实现某种循环来检查对象类型，如果它是“Sig”，那么您已经找到了一个签名对象。稍后我将使用最终脚本编辑我的帖子。

签名内容类型为pdfreader.types.native.HexString。我相信如果我设法解码字符串，我将能够获得我正在寻找的数据。我一直在尝试将其更改为字节，然后从字节解码为 utf-8 或 ascii，但如果是 UTF-8，我会收到错误 'utf-8' codec can't decode byte 0x82 in position 1: invalid start byte，如果是 ascii，我会收到错误 'ascii' codec can't decode byte 0x82 in position 1: ordinal not in range(128)

任何解决方法将不胜感激。

解决方案

正如我在 cmets 中指出的那样，正如我开始怀疑的那样，签名的“内容”不会包含我需要的任何属性。我注意到，当输出签名时，我在控制台中的输出不完整（可能是因为我在 Visual Studio 中使用了调试控制台）并且数字签名有更多属性。我发现，对于我的签名，电子邮件位于“名称”属性下。现在唯一的挑战是找出我的 PDF 文件中有多少对象。为此，我使用了字符串操作。我发现最后一个预告片有一个带有对象数量的“大小”属性。我没有设法在 PDFTrailer 对象中找到它，因此是字符串操作。如果有其他方法，很高兴分享。请原谅最后在对象循环中的try-catch，更好的是在读取对象之前检查对象是否存在并且它有一个类型。不要复制它并制定适当的解决方案。

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 = [] #in my case - emails
s_trailer = 'trailer'
s_startxref = 'startxref'

# +/- 2 at the end for new line character before and after the trailer
#Finding where last trailer of the document starts and ends

last_trailer_start = pdf_content.rfind(s_trailer)+len(s_trailer)+2
last_trailer_end = pdf_content.rfind(s_startxref)-2

#Putting the trailer together
trailer = ""
for i in range(last_trailer_start, last_trailer_end):
    trailer += pdf_content[i]

#Split the trailer attributes. Locate and read Size
trailer = trailer.split('/')
for attribute in trailer:
    if attribute.find('Size') >= 0:
        nr_of_obj = int(attribute.replace('Size','').strip())
        break

#Use the size to loop through objects. All the objects will not exist and not all will have Types. Hence try-catch.
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)

【问题讨论】：

“在 PDF 文件的签名上，总是有签名人的电子邮件地址。” - 不，不是这样。
@mkl 对不起，我的意思是在我的情况下总是有一封电子邮件
没有样本（如果它的变量格式）这对我来说不容易猜到，但是可以使用命令行工具来解压pdf格式，这样如果签名部分可以扩展，那么电子邮件的文本部分将更容易看到。我会尝试 Qpdf 及其文本编辑变体，看看是否适合您qpdf.readthedocs.io/en/stable/qdf.html
"签名内容类型是pdfreader.types.native.HexString。我相信如果我能够解码字符串，我就能得到我正在寻找的数据。我'一直在尝试将其更改为字节，然后从字节解码为 utf-8 或 ascii..." - 内容不是 text 字符串，它是 包含 PKCS#7/CMS 签名容器的二进制字符串。

标签： python pdf digital-signature