PDF 附件提取

很多 PDF 除了页面内容，内部还挂着别的文件：电子发票夹带的 XML 原始数据、投标文件的资质扫描件、论文的补充数据集、PDF/A-3 归档件里的附件。这个工具把这些内嵌文件原样取出来，不做任何转码。文件不上传。

选择带附件的 PDF

点击选择 PDF，或把文件拖到这里

识别内嵌附件（EmbeddedFiles）与 PDF/A-3 关联文件（AF）

PDF 附件和页面上的图片不是一回事

页面里能看到的图片、表格、文字属于页面内容，用 PDF 提取图片工具处理的是这些。而附件是挂在文件内部、默认不显示的独立文件，需要专门的入口才能取出，常见的两种挂载方式是 EmbeddedFiles 名称树和 PDF/A-3 的关联文件。

来源	技术位置	典型文件
内嵌附件	文档目录 /Names /EmbeddedFiles 名称树	发票 XML、投标资质扫描件、补充材料
PDF/A-3 关联文件	文档或页面的 /AF 数组	归档件的原始 Office 文档、结构化数据
页面内容	内容流里的图像与文字对象	正文插图、表格截图

电子发票是最典型的例子：一张 PDF 里同时有版面文件和一份 XML，报销系统要的往往是那份 XML，而不是 PDF 本身。

不会。工具只做解码与另存，不重新压缩、不转换格式。文件名、MIME 类型、原始字节都按文档里记录的还原，取出的 XML 与扫描件可以直接用于验真与归档。

用 Adobe Acrobat 打开，左侧会多出一个回形针图标，点开就是附件列表。浏览器自带的阅读器大多不显示附件入口，所以经常出现「明明有附件但看不到」的情况。把文件拖进来，这里会直接列出条目与大小。

说明这份 PDF 确实没有内嵌文件。有些系统导出的发票把 XML 放在压缩包里随邮件发送，而不是嵌进 PDF，这种情况需要回到原始邮件中查找。

少数工具生成附件时只写了 ASCII 文件名，没有写 Unicode 名称字段。工具会优先读 Unicode 名称，读不到再退回系统名称，仍乱码时可以直接下载后按内容重命名。

单个附件建议在 200 MB 以内。解析与打包都在浏览器内存中完成，超大文件受设备内存限制。