Python实现为PDF去除水印的示例代码

目录

• 前言
• 原理
• 特色
• 成果
  • 安装依赖
  • 代码
• 想法

前言

为什么做出这个？

就是有时候从网上下载的资料中的pdf有水印，看着不舒服。

比如说我从网上下载的试卷，然后去打印店打印，打印之后水印看着很不舒服，而去水印wps要会员，而我是一个程序员，为什么不做一个呢，何乐而不为。

虽然最后是做出来的，但是还是有限制。

原理

把pdf转化为图片，然后将图片去水印。

图片去水印，是又条件限制的，必须水印的颜色和pdf中文字的颜色的rgb相差很大，然后把水印的颜色改变成背景颜色。

特色

网上很多和我类似的原理去水印，但是都是先pdf转化为图片存起来，然后图片去水印之后，然后把图片拼接成pdf。

而我就不需要中间步骤，我是直接输入pdf文件，输出pdf文件。

成果

安装依赖

Image

pip install pillow

fitz

pip install PyMuPDF

代码

程序处理pdf需要的时间比较久(因为处理的是像素点)，可以先用页数少的pdf进行测试之后再去页数比较多的pdf。

from PIL import Image
import os
import io
import fitz
import time


def single_pdf_clearwater(pdf_path: str):
    pdf = fitz.open(pdf_path)   # 打开pdf目录
    pdf_img = fitz.open()       # 打开空文件，用来存图片pdf
    for page_inf in pdf:
        definition = 3    # 清晰度，感觉输出的pdf不够清晰，可以调大，调大，文件大小也会变大
        matrix = fitz.Matrix(definition, definition)
        img = page_inf.get_pixmap(matrix=matrix).tobytes()
        img = Image.open(io.BytesIO(img))
        width, height = img.size
        for i in range(width):
            for j in range(height):
                if sum(img.getpixel((i, j))) > 600: # 这里的600你需要根据自己的水印的颜色进行更改。
                    img.putpixel((i, j), (255, 255, 255))
        img = img.tobytes()  # = img = np.asarray(img)；img = bytearray(img)
        img = fitz.Pixmap(fitz.csRGB, width, height, img)
        img = img.tobytes()
        img = fitz.open("png", img)
        pdf_bytes = img.convert_to_pdf()
        pdf_img.insert_pdf(fitz.open("pdf", pdf_bytes))
    if not os.path.exists("output"):
        os.makedirs("output")  # 处理好的pdf存入了output目录下
    pdf_img.save("output/去水印pdf_" + os.path.basename(pdf_path))


def group_pdf_clearwater(path_array: list[str]):
    print("************去水印时间比较久***********")
    for pdf_path in path_array:
        print(pdf_path, "去水印中...")
        single_pdf_clearwater(pdf_path)
    print("完成")


def folder_pdf_files(folder: str) -> list[str]:  # 一个文件夹里面有多少pdf文件
    file_list = []
    for a, b, c in os.walk(folder):
        if b == []:
            for filename in c:
                if filename[-3:].lower() == 'pdf':
                    file_path = os.path.join(a, filename)
                    file_list.append(file_path)
    print(folder, ": 有", len(file_list), "个pdf文件")
    return file_list


if __name__ == '__main__':
    time_start = time.time()
    path_list = folder_pdf_files("pdf的目录")
    group_pdf_clearwater(path_list)
    time_end = time.time()
    print("程序运行时间：", round(time_end - time_start, 2), "秒")

想法

虽然最后实现了，但是有限制。

为了去除保存图片后取图片的中间步骤，我查阅了很多的文献和资料，后面发现只有我最不想看的英文文档才找到了问题的答案。我就感觉，比较偏的点，只有英文文献才有。

因为限制，我在想是不是可以和python-普通pdf的添加水印的逆向思维进行操作，就是把水印图层直接取出来。
如果处理的pdf文件比较多，并且页数很多，程序运行就要很久，我都感觉像深度学习了。

到此这篇关于Python实现为PDF去除水印的示例代码的文章就介绍到这了,更多相关Python PDF去水印内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木！