Python实现为PDF去除水印的示例代码_Python

Python实现为PDF去除水印的示例代码

2022-11-22 10:06KjPrime Python

这篇文章主要介绍了如何利用Python实现PDF去除水印功能，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

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")