Python|用Python去除扫描型PDF中的水印 PDF|Python

内容概述含水印扫描型PDF文件，其中某页如下图所示，用Python去除其页顶及页底的水印。

文章图片

处理思路：PDF中的每一页的水印的相对位置基本相同，将PDF每一页输出成图片，然后进行图片编辑，用白色填充方形覆盖水印，最后这些处理后的图片重新合成PDF文件。
该方法缺点：

处理后的得到PDF文件大小比原文件大了不少。
那种还可以提取文字的PDF，用该法处理后PDF文件就再不能提取文字了。
很难处理夹杂在文本中水印。

【Python|用Python去除扫描型PDF中的水印】副作用：

禁止打印PDF变成可打印了。

先前步骤：

安装poppler软件，并将其执行文件所在文件夹路径新添至环境变量Path（针对Windows系统）。
pip install pdf2image
pip install fpdf

放码过来将PDF输出成图片文件集

from pdf2image import convert_from_path from PIL import ImageDraw# 100dpi对应文档的长宽及水印左上右下坐标 filePath = "a.pdf" dpi = 100 # watermark1 = (290, 47, 536, 66) watermark2 = (283, 1072, 542, 1165) gWidth = 827 gHeight = 1170 ###########dpi2 = 150 # 按需调整这个参数<=============== pages = convert_from_path(filePath, dpi2) width, height = pages[0].size# 方便多次调整，不用次次用系统自带绘图软件获得坐标位置 # 长宽貌似不与dpi成比例关系 watermark1 = (watermark1[0] * width / gWidth, watermark1[1] * height / gHeight, \ watermark1[2] * width / gWidth, watermark1[3] * height / gHeight)watermark2 = (watermark2[0] * width / gWidth, watermark2[1] * height / gHeight, \ watermark2[2] * width / gWidth, watermark2[3] * height / gHeight)print(watermark1) print(watermark2)num = 0 for page in pages:draw = ImageDraw.Draw(page)# 水印涂白，可用系统自带绘图软件获得坐标位置 draw.rectangle(watermark1, fill = 'white') draw.rectangle(watermark2, fill = 'white') outPath = 'out/%d.jpg' % numprint(outPath) page.save(outPath, 'JPEG') num = num + 1

将处理后的图片合成PDF文件

from fpdf import FPDF from PIL import Image import os,redef makePdf(pdfFileName, listPages): cover = Image.open(listPages[0]) width, height = cover.size pdf = FPDF(unit = "pt", format = [width, height]) listPages.sort(key = lambda i : int(re.compile(r'(\d+)').search(i).group(1))) for page in listPages: print(page) pdf.add_page() pdf.image(page, 0, 0) pdf.output(pdfFileName, "F")makePdf("result.pdf", ["out/"+imgFileName for imgFileName in os.listdir('out') \ if imgFileName.endswith("jpg")])

参考资料