98 lines
3.1 KiB
Markdown
98 lines
3.1 KiB
Markdown
|
# CRT提取问题调查报告
|
|||
|
|
|
|||
|
|
## 问题描述
|
|||
|
|
|
|||
|
|
用户问题：YDQ25_002294.pdf 和 YDQ23_001838.pdf 的CRT文件没有提取？还是提取失败了？
|
|||
|
|
|
|||
|
|
## 调查结果
|
|||
|
|
|
|||
|
|
### 1. PDF签名状态
|
|||
|
|
|
|||
|
|
两个PDF都包含数字签名：
|
|||
|
|
- **YDQ25_002294.pdf**: 12个签名
|
|||
|
|
- **YDQ23_001838.pdf**: 11个签名
|
|||
|
|
|
|||
|
|
签名结构：
|
|||
|
|
- 包含 `/Contents` 字段（证书二进制数据）
|
|||
|
|
- **没有** `/Name` 字段（这是为什么简单的CRT提取会失败）
|
|||
|
|
- 证书数据大小：12384 bytes
|
|||
|
|
|
|||
|
|
### 2. 证书内容分析
|
|||
|
|
|
|||
|
|
证书二进制数据中确实包含机构名称：
|
|||
|
|
```
|
|||
|
|
位置: 281 (YDQ25_002294.pdf) / 304 (YDQ23_001838.pdf)
|
|||
|
|
UTF-8编码: e5b9bfe4b89ce4baa7e59381e8b4a8e9878fe79b91e79da3e6a380e9aa8ce7a094e7a9b6e999a2
|
|||
|
|
解码结果: "广东产品质量监督检验研究院"
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 3. PKCS#7解析测试
|
|||
|
|
|
|||
|
|
使用cryptography库的PKCS#7解析器测试结果：
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
Signature #0:
|
|||
|
|
Size: 12384 bytes
|
|||
|
|
PKCS#7 parsing: SUCCESS (3 certificates)
|
|||
|
|
Certificate #0:
|
|||
|
|
Subject: <Name(C=CN,ST=广东省,L=深圳市,O=广东产品质量监督检验研究院,CN=广东质检院特种设备专业)>
|
|||
|
|
commonName: 广东质检院特种设备专业
|
|||
|
|
organizationName: 广东产品质量监督检验研究院 <-- 这是我们要找的！
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 4. 独立测试结果
|
|||
|
|
|
|||
|
|
运行 `standalone_crt_test.py` 的结果：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
Result: ['广东质检院特种设备专业', '广东产品质量监督检验研究院', 'CA WoTrus Root', 'WoTrus CA Limited', 'WoTrus Document Signing CA']
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**✓✓✓ CRT提取成功！**
|
|||
|
|
|
|||
|
|
## 代码改进
|
|||
|
|
|
|||
|
|
虽然CRT提取已经成功，但我还是添加了改进：当PKCS#7解析失败时，添加了binary search fallback方法，直接在证书二进制数据中搜索已知的机构名称。
|
|||
|
|
|
|||
|
|
改进位置：`test_accuracy_batch_full.py` 的 `parse_certificates()` 函数
|
|||
|
|
|
|||
|
|
改进内容：
|
|||
|
|
1. 保留原有的PKCS#7解析逻辑
|
|||
|
|
2. 添加fallback：当PKCS#7解析失败或没有找到候选时，直接在binary data中搜索已知机构名称
|
|||
|
|
3. 添加pattern matching：使用正则表达式查找机构名称模式
|
|||
|
|
|
|||
|
|
## 结论
|
|||
|
|
|
|||
|
|
**CRT提取功能正常工作！**
|
|||
|
|
|
|||
|
|
两个PDF都能成功提取出"广东产品质量监督检验研究院"。
|
|||
|
|
|
|||
|
|
如果用户在测试结果中没有看到这个机构名称，可能的原因：
|
|||
|
|
|
|||
|
|
1. **结果显示问题** - 机构名称被提取了，但没有在报告/日志中正确显示
|
|||
|
|
2. **优先级问题** - OCR或模板匹配的结果覆盖了CRT提取的结果
|
|||
|
|
3. **字符串匹配问题** - 机构名称被提取了，但在相似度匹配时没有匹配到预期的机构
|
|||
|
|
|
|||
|
|
建议检查：
|
|||
|
|
1. 查看完整的批量测试日志，确认CRT提取结果是否被使用
|
|||
|
|
2. 检查提取管道的优先级设置
|
|||
|
|
3. 验证机构名称相似度匹配逻辑
|
|||
|
|
|
|||
|
|
## 测试文件
|
|||
|
|
|
|||
|
|
- `diagnose_crt_extraction.py` - 诊断PDF签名状态
|
|||
|
|
- `inspect_certificate_data.py` - 深度检查证书二进制数据
|
|||
|
|
- `quick_crt_test.py` - 快速CRT提取测试
|
|||
|
|
- `standalone_crt_test.py` - 独立的CRT提取测试（不依赖大型模块）
|
|||
|
|
- `test_crt_direct.py` - 直接调用CRT提取函数的测试
|
|||
|
|
|
|||
|
|
## 验证命令
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
# 运行独立测试
|
|||
|
|
python standalone_crt_test.py
|
|||
|
|
|
|||
|
|
# 运行完整批量测试
|
|||
|
|
python test_accuracy_batch_full.py
|
|||
|
|
```
|