使用python去除PDF簡(jiǎn)單水印的示例
更新時(shí)間：2024年03月13日 10:34:56 作者：窮儒公羊
最近在下載PDF書籍的時(shí)候,發(fā)現(xiàn)有些PDF有水印,于是就尋思著能不能用Python去除這些討厭的水印,PDF主要有兩種類型,一種是文字版,另外一種就是掃描版（圖片）,這個(gè)去除水印主要就是針對(duì)掃描版的PDF,所以本文介紹了如何使用python去除PDF簡(jiǎn)單水印,需要的朋友可以參考下
前言
最近在下載PDF書籍的時(shí)候，發(fā)現(xiàn)有些PDF有水印，于是就尋思著能不能用Python去除這些討厭的水印
一、PDF文件
關(guān)于PDF文件，想必大家都很熟悉了，這里就不過多的介紹了。PDF主要有兩種類型，一種是文字版，另外一種就是掃描版（圖片）。這個(gè)去除水印主要就是針對(duì)掃描版的PDF
二、思路整理
在開始寫代碼之前，先捋一下實(shí)現(xiàn)的思路
1、分割圖片
對(duì)于一個(gè)PDF文件，我們只需要圖片信息就可以了，所以首先需要先提取里邊的圖片，再把圖片存在一個(gè)目錄下。這里需要用到fitz模塊，直接安裝即可，如下：
pip install PyMuPDF
模塊安裝完之后，代碼就很簡(jiǎn)單了，只需要注意一下圖片按順序命名即可，如下：
def split_pdf(file_path, out_path):
"""
切割pdf為圖片
:param file_path: pdf路徑
:param out_path: 輸出圖片路徑
:return: 輸出路徑
"""
pdf = fitz.open(file_path)
count = 0
print("##### 開始保存切割圖片 #####")
for page in pdf:
image_list = page.get_images()
for img_info in image_list:
pix = fitz.Pixmap(pdf, img_info[0])
pix.save(os.path.join(out_path, '%d.jpg' % count))
count += 1
print("##### 保存切割圖片完畢 #####")
print("##### {0} 包含 {1} 張圖片 #####".format(file_path, count))
return out_path
2、去除水印
分割完圖片后，接下來的問題也隨之而來了，要如何區(qū)分水印和正常圖片？ 要替換成什么？ 先來看第一個(gè)問題，如何區(qū)分水印
- 按水印位置
這個(gè)問題，最直觀的想法就是根據(jù)水印的位置以及水印的大小，進(jìn)行替換就可以。但是這樣存在問題，首先就是不通用（PDF水印的位置可能不一樣），再者就是水印和字混在一起就不好弄了
像這種水印，坐標(biāo)和大小是可以去除的
像這種字和水印混在一起就難辦了
- 按顏色
我們?cè)谟^察下水印，發(fā)現(xiàn)水印的顏色一般偏亮一點(diǎn)，而字都是偏暗色的（黑色、灰色）。我們可以根據(jù)顏色將亮一點(diǎn)的顏色都替換掉。但這種方式也有問題，如果是彩色的，就夠嗆了
對(duì)于第二個(gè)問題：要替換成什么？ 如果只有簡(jiǎn)單的顏色（黑白灰等），我們直接把水印替換成白色即可
接下來來看下代碼吧，這里需要用到PIL模塊，直接安裝就行了，如下：
pip install pillow
思路有了，代碼就簡(jiǎn)單了，如下：
def get_image_arr(img):
"""
獲取圖片三色數(shù)組
:param img:圖片
:return: 圖片編碼、三色數(shù)組
"""
img_arr = np.asarray(img, dtype=np.double)
# 分離通道
r_img = img_arr[:, :, 0].copy()
g_img = img_arr[:, :, 1].copy()
b_img = img_arr[:, :, 2].copy()
img = r_img * 256 * 256 + g_img * 256 + b_img
return img, r_img, g_img, b_img
def replace_clr_color(img, src_clr, dst_clr):
"""
通過矩陣操作顏色替換程序
@param img: 圖像矩陣
@param src_clr: 需要替換的顏色(r,g,b)
@param dst_clr: 目標(biāo)顏色 (r,g,b)
@return 替換后的圖像矩陣
"""
img, r_img, g_img, b_img = get_image_arr(img)
src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2]
# 索引并替換顏色
r_img[img == src_color] = dst_clr[0]
g_img[img == src_color] = dst_clr[1]
b_img[img == src_color] = dst_clr[2]
return compound_img(r_img, g_img, b_img)
def compound_img(r_img, g_img, b_img):
"""
合并圖片
:param r_img: 紅色
:param g_img: 綠色
:param b_img: 藍(lán)色
:return: 圖片
"""
# 合并通道
dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
# 將數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)(h,w,c)
dst_img = dst_img.transpose(1, 2, 0)
return dst_img
def replace_pure_color(img, src_color, dst_color):
"""
通過矩陣操作顏色替換程序（純色）
:param img: 圖像矩陣
:param src_color: 需要替換的顏色
:param dst_color: 目標(biāo)顏色
:return: 圖片
"""
img, r_img, g_img, b_img = get_image_arr(img)
src_color = src_color * 256 * 256 + src_color * 256 + src_color
# 索引并替換顏色
r_img[img >= src_color] = dst_color
g_img[img >= src_color] = dst_color
b_img[img >= src_color] = dst_color
return compound_img(r_img, g_img, b_img)
def wipe_watermark(img_file, start_color):
"""
去除圖片水印
:param start_color: 顏色起始替換位置
:param img_file: 圖片文件
:return:
"""
img = replace_pure_color(Image.open(img_file).convert('RGB'), start_color, 255)
res_img = Image.fromarray(img)
res_img.save(img_file)
3、替換圖片
保存完去除水印后的圖片，接下來只要把他一個(gè)個(gè)替換進(jìn)去就行了
由于原始PDF文件可以有其他東西（書簽等），所以我們先把原始文件讀取進(jìn)去，在進(jìn)行替換，代碼如下：
def save_pdf(src_pdf, dest_pdf, file_list):
"""
生成最終pdf文件
:param src_pdf: 源文件
:param dest_pdf: 目標(biāo)文件
:param file_list: 圖片列表
:return:
"""
pdf = fitz.open(src_pdf)
index = 0
try:
for page in pdf:
# 去除超鏈接
for link in page.get_links():
page.delete_link(link)
# 替換圖片
for img in page.get_images():
page._insert_image(filename=file_list[index], _imgname=img[7])
index = index + 1
pdf.save(dest_pdf)
finally:
pdf.close()
三、實(shí)現(xiàn)效果
lu完代碼，再來看一下效果怎么樣，這邊用了兩個(gè)PDF做實(shí)驗(yàn)，第一個(gè)PDF效果如下：
去除水印前：
去除水印后：
第二個(gè)PDF效果如下：
去除水印前：
去除水印后：
感覺效果還闊以，哈哈。不過這里有個(gè)問題，對(duì)于文字logo，查了PyMuPDF文檔沒找到罒ω罒，像這種
四、代碼實(shí)現(xiàn)
全部代碼如下：
import os
import fitz
import numpy as np
from PIL import Image
def split_pdf(file_path, out_path):
"""
切割pdf為圖片
:param file_path: pdf路徑
:param out_path: 輸出圖片路徑
:return: 輸出路徑
"""
pdf = fitz.open(file_path)
count = 0
print("##### 開始保存切割圖片 #####")
for page in pdf:
image_list = page.get_images()
for img_info in image_list:
pix = fitz.Pixmap(pdf, img_info[0])
pix.save(os.path.join(out_path, '%d.jpg' % count))
count += 1
print("##### 保存切割圖片完畢 #####")
print("##### {0} 包含 {1} 張圖片 #####".format(file_path, count))
return out_path
def get_image_arr(img):
"""
獲取圖片三色數(shù)組
:param img:圖片
:return: 圖片編碼、三色數(shù)組
"""
img_arr = np.asarray(img, dtype=np.double)
# 分離通道
r_img = img_arr[:, :, 0].copy()
g_img = img_arr[:, :, 1].copy()
b_img = img_arr[:, :, 2].copy()
img = r_img * 256 * 256 + g_img * 256 + b_img
return img, r_img, g_img, b_img
def replace_clr_color(img, src_clr, dst_clr):
"""
通過矩陣操作顏色替換程序
@param img: 圖像矩陣
@param src_clr: 需要替換的顏色(r,g,b)
@param dst_clr: 目標(biāo)顏色 (r,g,b)
@return 替換后的圖像矩陣
"""
img, r_img, g_img, b_img = get_image_arr(img)
src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2]
# 索引并替換顏色
r_img[img == src_color] = dst_clr[0]
g_img[img == src_color] = dst_clr[1]
b_img[img == src_color] = dst_clr[2]
return compound_img(r_img, g_img, b_img)
def compound_img(r_img, g_img, b_img):
"""
合并圖片
:param r_img: 紅色
:param g_img: 綠色
:param b_img: 藍(lán)色
:return: 圖片
"""
# 合并通道
dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
# 將數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)(h,w,c)
dst_img = dst_img.transpose(1, 2, 0)
return dst_img
def replace_pure_color(img, src_color, dst_color):
"""
通過矩陣操作顏色替換程序（純色）
:param img: 圖像矩陣
:param src_color: 需要替換的顏色
:param dst_color: 目標(biāo)顏色
:return: 圖片
"""
img, r_img, g_img, b_img = get_image_arr(img)
src_color = src_color * 256 * 256 + src_color * 256 + src_color
# 索引并替換顏色
r_img[img >= src_color] = dst_color
g_img[img >= src_color] = dst_color
b_img[img >= src_color] = dst_color
return compound_img(r_img, g_img, b_img)
def list_file(path, suffix=None):
"""
獲取指定目錄下指定后綴文件
:param path: 路徑
:param suffix: 后綴名
:return: 文件集合
"""
file_names = os.listdir(path);
# 獲取文件名
if suffix is not None:
file_names = [file_name for file_name in file_names if file_name.endswith(suffix)]
file_names.sort(key=lambda x: int(x[:(-len(suffix))]))
# 文件名拼接路徑
return [os.path.join(path, file) for file in file_names]
def wipe_watermark(img_file, start_color):
"""
去除圖片水印
:param start_color: 顏色起始替換位置
:param img_file: 圖片文件
:return:
"""
img = replace_pure_color(Image.open(img_file).convert('RGB'), start_color, 255)
res_img = Image.fromarray(img)
res_img.save(img_file)
def save_pdf(src_pdf, dest_pdf, file_list):
"""
生成最終pdf文件
:param src_pdf: 源文件
:param dest_pdf: 目標(biāo)文件
:param file_list: 圖片列表
:return:
"""
pdf = fitz.open(src_pdf)
index = 0
try:
for page in pdf:
# 去除超鏈接
for link in page.get_links():
page.delete_link(link)
# 替換圖片
for img in page.get_images():
page._insert_image(filename=file_list[index], _imgname=img[7])
index = index + 1
pdf.save(dest_pdf)
finally:
pdf.close()
def start(file_path, dest_path, start_color, out_path=r'out'):
if os.path.exists(out_path):
# shutil.rmtree(out_path)
raise FileExistsError('文件夾:{0} 已存在'.format(out_path))
os.mkdir(out_path)
print("####### 開始切割pdf：{0} #######".format(file_path))
split_pdf(file_path, out_path)
print("####### 切割pdf完畢：{0} #######".format(file_path))
# 獲取文件名
file_list = list_file(out_path, ".jpg")
print("####### 開始去除水印 #######")
for img_file in file_list:
wipe_watermark(img_file, start_color)
print("####### 去除水印結(jié)束 #######")
# 生成pdf
print("####### 生成pdf文件：{0} #######".format(dest_path))
save_pdf(src_pdf=file_path, dest_pdf=dest_path, file_list=file_list)
print("####### 生成pdf文件：{0} 完成 #######".format(dest_path))
# make_pdf(dest_path, file_list)
if __name__ == '__main__':
# replace_pdf(src_pdf="深入剖析TOMCAT.pdf", dest_pdf='a.pdf', file_list=list_file('out', ".jpg"))
# www.TopSage.com
start(file_path="重構(gòu)-改善既有代碼的設(shè)計(jì).pdf", dest_path="b.pdf", start_color=175)
總結(jié)
這里實(shí)現(xiàn)相對(duì)比較簡(jiǎn)單，只能去除一些純色圖片的PDF。
以上就是使用python去除PDF簡(jiǎn)單水印的示例的詳細(xì)內(nèi)容，更多關(guān)于python去除PDF水印的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
基于Python實(shí)現(xiàn)簡(jiǎn)易的單詞記憶軟件
這篇文章主要為大家詳細(xì)介紹了如何基于Python實(shí)現(xiàn)一個(gè)簡(jiǎn)易的單詞記憶軟件,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2025-07-07
Python數(shù)據(jù)庫sqlite3圖文實(shí)例詳解
SQLite是一個(gè)進(jìn)程內(nèi)的庫,實(shí)現(xiàn)了自給自足的、無服務(wù)器的、零配置的、事務(wù)性的SQL數(shù)據(jù)庫引擎,下面這篇文章主要給大家介紹了關(guān)于Python數(shù)據(jù)庫sqlite3的相關(guān)資料,需要的朋友可以參考下2022-09-09
這篇文章主要介紹了Python之字典及while循環(huán)解讀，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
Python使用sort()方法對(duì)數(shù)組進(jìn)行排序的操作指南
在開發(fā)過程中,經(jīng)常需要對(duì)數(shù)據(jù)進(jìn)行排序,Python 中的 sort() 方法是用來對(duì)列表進(jìn)行排序的,它是一個(gè)非常常用且高效的排序工具,本文將通過一個(gè)實(shí)際項(xiàng)目的代碼示例,來講解如何使用 sort() 方法對(duì)數(shù)組進(jìn)行排序,需要的朋友可以參考下2025-06-06
從零開始學(xué)習(xí)Python Selenium瀏覽器元素定位與實(shí)戰(zhàn)技巧
這篇文章主要為大家詳細(xì)介紹了一份Selenium全教程,涵蓋從基礎(chǔ)到進(jìn)階的核心知識(shí)點(diǎn),基于Selenium 4版本（當(dāng)前主流版本）,適合新手入門及進(jìn)階學(xué)習(xí),快跟隨小編一起學(xué)習(xí)起來吧2026-03-03
今天小編就為大家分享一篇python從子線程中獲得返回值的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
Python基于Twilio及騰訊云實(shí)現(xiàn)國際國內(nèi)短信接口
這篇文章主要介紹了Python基于Twilio及騰訊云實(shí)現(xiàn)國際國內(nèi)短信接口,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了python用faker庫批量生成假數(shù)據(jù)，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-03-03
Python設(shè)計(jì)模式中的結(jié)構(gòu)型橋接模式
這篇文章主要介紹了Python設(shè)計(jì)模式中的結(jié)構(gòu)型橋接模式，橋接模式即Bridge?Pattern，將抽象部分與它的實(shí)現(xiàn)部分分離，使它們都可以獨(dú)立地變化.下面來看看文章的詳細(xì)內(nèi)容介紹吧2022-02-02
Python實(shí)現(xiàn)合并兩個(gè)字典的8種方法
Python有多種方法可以通過使用各種函數(shù)和構(gòu)造函數(shù)來合并字典,本文主要介紹了Python實(shí)現(xiàn)合并兩個(gè)字典的8種方法,具有一定的參考價(jià)值,感興趣的可以了解一下2024-07-07