当前位置:首页 > 文章列表 > 文章 > python教程 > Python实现PDF数字签名加密方法

Python实现PDF数字签名加密方法

2026-05-25 15:24:33 0浏览 收藏
本文深入解析了Python中实现PDF合规数字签名与AES-256加密的正确路径,明确指出PyPDF2仅支持弱密码保护、完全无法满足PKCS#7/PAdES标准的数字签名需求;真正可行的方案是组合使用endesive(或pyHanko)完成带证书和可选RFC 3161时间戳的合规签名,再通过现代库pypdf实施AES-256文档级加密,并强调“先签名后加密”这一不可逆的关键顺序——任何步骤错位、工具误用或证书配置缺陷(如缺失digitalSignature扩展)都将导致签名无效或验证失败,为开发者提供了清晰、可靠、一步到位的生产级实践指南。

怎样在Python中实现对PDF文档的数字签名加密_使用PyPDF2模块

PyPDF2 本身不支持数字签名或加密——它只能做基础的密码保护(即“打开密码”和“编辑权限密码”),且这种保护是弱加密(RC4,AES-128 支持有限且非标准实现),无法替代符合 PKCS#7 / PAdES 标准的数字签名。

真正能做合规数字签名的库是 endesive 或 pyHanko,而加密(如 AES-256)需配合 pypdf(PyPDF2 的现代继任者)或底层 pikepdf。

下面分两块说清楚怎么做、为什么不能用 PyPDF2、以及实际可落地的方案:

为什么 PyPDF2 无法实现数字签名

PyPDF2 没有内置 ASN.1 编码、CMS 签名构造、证书嵌入、时间戳服务对接等能力。它的 add_password() 方法只是往 PDF 的 /Encrypt 字典里写密钥参数,属于“文档级密码保护”,和 CA 颁发证书、私钥签名、验证身份的“数字签名”完全不是一回事。

常见误操作现象:

  • 调用 encrypt() 后用 Adobe Reader 显示“已签名”——其实是假象,实际没签名字段,也过不了国密/ETSI 验证
  • 试图用 PyPDF2 + cryptography 手动拼签名字节——会破坏 PDF 结构,导致文件损坏或签名无效

用 pypdf 实现 AES-256 文档加密(替代 PyPDF2)

pypdf 是 PyPDF2 的活跃维护分支,支持现代加密标准,API 兼容但更可靠。

实操建议:

  • 安装:pip install pypdf(卸载 PyPDF2 避免冲突)
  • 加密必须在保存前调用 encrypt(),且仅对新生成或已解密的 PDF 有效
  • 使用 use_128bit=False 可启用 AES-256(默认为 True 表示 128-bit RC4/AES)
  • 密码为空字符串 "" 表示“无打开密码”,但可设权限密码限制打印/编辑
from pypdf import PdfReader, PdfWriter

reader = PdfReader("input.pdf") writer = PdfWriter() for page in reader.pages: writer.add_page(page)

AES-256 加密:需指定 owner password,user password 可为空

writer.encrypt(user_password="", owner_password="secret123", use_128bit=False)

with open("output_encrypted.pdf", "wb") as f: writer.write(f)

用 endesive 添加合规数字签名(含证书+时间戳)

这是目前 Python 中最轻量、可直接跑通 PAdES-BES 签名的方案,依赖 OpenSSL 和本地证书文件。

关键点:

  • 需要 PEM 格式私钥(key.pem)和证书链(cert.pem),不可用 PFX/P12 直接加载
  • 签名位置默认加在文档末尾,不影响原文内容流;Adobe Reader 能识别并显示“签名者:xxx”
  • 若要权威时间戳,需配置 RFC 3161 时间戳服务器 URL(如 https://freetsa.org/tsr)
  • sign() 返回的是完整 PDF 字节,必须用 open(..., "wb") 保存,不能用文本模式
from endesive import pdf

with open("input.pdf", "rb") as f: data = f.read()

签名配置(注意路径和密码)

clt = pdf.CMS() clt.sign( data, "cert.pem", # 证书链 "key.pem", # 私钥(需明文或提供密码) [], "sha256", None, # 时间戳服务器 URL,None 表示不加时间戳 )

with open("output_signed.pdf", "wb") as f: f.write(clt.signed_data)

加密和签名能否同时存在?

可以,但顺序很重要:必须先签名,再加密。

原因:

  • 签名是对原始 PDF 内容的哈希+封装,加密会改变字节流,导致签名验证失败
  • 如果先加密再签名,签名对象看到的是加密后的乱码 PDF,签出来无效
  • 最终用户需先输密码解密,再由 PDF 阅读器验证签名——这是标准工作流

所以真实流程是:原始PDF → endesive签名 → pypdf加密 → 分发。中间不能跳步,也不能用 PyPDF2 替代任何一环。

最容易被忽略的一点:签名证书必须包含 digitalSignature 用途,且私钥不可导出为无密码格式——很多自签名证书缺这个扩展,会导致 Adobe 报“签名无效”。

今天关于《Python实现PDF数字签名加密方法》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

Golang使用Bleve全文搜索库方案Golang使用Bleve全文搜索库方案
上一篇
Golang使用Bleve全文搜索库方案
闭包实现原子回滚数据库事务模拟方法
下一篇
闭包实现原子回滚数据库事务模拟方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    435次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    508次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    524次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    466次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    296次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码