文章目录

前言
一、PDF文件
二、思路整理
- 1、分割图片
- 2、去除水印
- 3、替换图片
三、实现效果
四、代码实现
总结

前言

最近在下载PDF书籍的时候，发现有些PDF有水印，于是就寻思着能不能用Python去除这些讨厌的水印

一、PDF文件

关于PDF文件，想必大家都很熟悉了，这里就不过多的介绍了。PDF主要有两种类型，一种是文字版，另外一种就是扫描版（图片）。这个去除水印主要就是针对扫描版的PDF
代码路径

二、思路整理

在开始写代码之前，先捋一下实现的思路

1、分割图片

对于一个PDF文件，我们只需要图片信息就可以了，所以首先需要先提取里边的图片，再把图片存在一个目录下。这里需要用到fitz模块，直接安装即可，如下：

pip install PyMuPDF

模块安装完之后，代码就很简单了，只需要注意一下图片按顺序命名即可，如下：


def split_pdf(file_path, out_path):"""切割pdf为图片:param file_path: pdf路径:param out_path: 输出图片路径:return: 输出路径"""pdf = fitz.open(file_path)count = 0print("##### 开始保存切割图片 #####")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 += 1print("##### 保存切割图片完毕 #####")print("##### {0} 包含 {1} 张图片 #####".format(file_path, count))return out_path

2、去除水印

分割完图片后，接下来的问题也随之而来了，要如何区分水印和正常图片？ 要替换成什么？ 先来看第一个问题，如何区分水印

按水印位置
这个问题，最直观的想法就是根据水印的位置以及水印的大小，进行替换就可以。但是这样存在问题，首先就是不通用（PDF水印的位置可能不一样），再者就是水印和字混在一起就不好弄了

像这种水印，坐标和大小是可以去除的

像这种字和水印混在一起就难办了

按颜色
我们在观察下水印，发现水印的颜色一般偏亮一点，而字都是偏暗色的（黑色、灰色）。我们可以根据颜色将亮一点的颜色都替换掉。但这种方式也有问题，如果是彩色的，就够呛了

对于第二个问题：要替换成什么？ 如果只有简单的颜色（黑白灰等），我们直接把水印替换成白色即可

接下来来看下代码吧，这里需要用到PIL模块，直接安装就行了，如下：

pip install pillow

思路有了，代码就简单了，如下：


def get_image_arr(img):"""获取图片三色数组:param img:图片:return: 图片编码、三色数组"""img_arr = np.asarray(img, dtype=np.double)# 分离通道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_imgreturn img, r_img, g_img, b_imgdef replace_clr_color(img, src_clr, dst_clr):"""通过矩阵操作颜色替换程序@param  img:    图像矩阵@param  src_clr:    需要替换的颜色(r,g,b)@param  dst_clr:    目标颜色        (r,g,b)@return             替换后的图像矩阵"""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]# 索引并替换颜色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):"""合并图片:param r_img: 红色:param g_img: 绿色:param b_img: 蓝色:return: 图片"""# 合并通道dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)# 将数据转换为图像数据(h,w,c)dst_img = dst_img.transpose(1, 2, 0)return dst_imgdef replace_pure_color(img, src_color, dst_color):"""通过矩阵操作颜色替换程序（纯色）:param img: 图像矩阵:param src_color: 需要替换的颜色:param dst_color: 目标颜色:return: 图片"""img, r_img, g_img, b_img = get_image_arr(img)src_color = src_color * 256 * 256 + src_color * 256 + src_color# 索引并替换颜色r_img[img >= src_color] = dst_colorg_img[img >= src_color] = dst_colorb_img[img >= src_color] = dst_colorreturn compound_img(r_img, g_img, b_img)def wipe_watermark(img_file, start_color):"""去除图片水印:param start_color: 颜色起始替换位置:param img_file: 图片文件: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、替换图片

保存完去除水印后的图片，接下来只要把他一个个替换进去就行了

由于原始PDF文件可以有其他东西（书签等），所以我们先把原始文件读取进去，在进行替换，代码如下：

def save_pdf(src_pdf, dest_pdf, file_list):"""生成最终pdf文件:param src_pdf: 源文件:param dest_pdf: 目标文件:param file_list: 图片列表:return:"""pdf = fitz.open(src_pdf)index = 0try:for page in pdf:# 去除超链接for link in page.get_links():page.delete_link(link)# 替换图片for img in page.get_images():page._insert_image(filename=file_list[index], _imgname=img[7])index = index + 1pdf.save(dest_pdf)finally:pdf.close()

三、实现效果

lu完代码，再来看一下效果怎么样，这边用了两个PDF做实验，第一个PDF效果如下：

去除水印前：

去除水印后：

第二个PDF效果如下：

去除水印前：

去除水印后：

感觉效果还阔以，哈哈。不过这里有个问题，对于文字logo，查了PyMuPDF文档没找到罒ω罒，像这种

四、代码实现

全部代码如下：

import osimport fitz
import numpy as np
from PIL import Imagedef split_pdf(file_path, out_path):"""切割pdf为图片:param file_path: pdf路径:param out_path: 输出图片路径:return: 输出路径"""pdf = fitz.open(file_path)count = 0print("##### 开始保存切割图片 #####")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 += 1print("##### 保存切割图片完毕 #####")print("##### {0} 包含 {1} 张图片 #####".format(file_path, count))return out_pathdef get_image_arr(img):"""获取图片三色数组:param img:图片:return: 图片编码、三色数组"""img_arr = np.asarray(img, dtype=np.double)# 分离通道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_imgreturn img, r_img, g_img, b_imgdef replace_clr_color(img, src_clr, dst_clr):"""通过矩阵操作颜色替换程序@param  img:    图像矩阵@param  src_clr:    需要替换的颜色(r,g,b)@param  dst_clr:    目标颜色        (r,g,b)@return             替换后的图像矩阵"""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]# 索引并替换颜色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):"""合并图片:param r_img: 红色:param g_img: 绿色:param b_img: 蓝色:return: 图片"""# 合并通道dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)# 将数据转换为图像数据(h,w,c)dst_img = dst_img.transpose(1, 2, 0)return dst_imgdef replace_pure_color(img, src_color, dst_color):"""通过矩阵操作颜色替换程序（纯色）:param img: 图像矩阵:param src_color: 需要替换的颜色:param dst_color: 目标颜色:return: 图片"""img, r_img, g_img, b_img = get_image_arr(img)src_color = src_color * 256 * 256 + src_color * 256 + src_color# 索引并替换颜色r_img[img >= src_color] = dst_colorg_img[img >= src_color] = dst_colorb_img[img >= src_color] = dst_colorreturn compound_img(r_img, g_img, b_img)def list_file(path, suffix=None):"""获取指定目录下指定后缀文件:param path: 路径:param suffix: 后缀名:return: 文件集合"""file_names = os.listdir(path);# 获取文件名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))]))# 文件名拼接路径return [os.path.join(path, file) for file in file_names]def wipe_watermark(img_file, start_color):"""去除图片水印:param start_color: 颜色起始替换位置:param img_file: 图片文件: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):"""生成最终pdf文件:param src_pdf: 源文件:param dest_pdf: 目标文件:param file_list: 图片列表:return:"""pdf = fitz.open(src_pdf)index = 0try:for page in pdf:# 去除超链接for link in page.get_links():page.delete_link(link)# 替换图片for img in page.get_images():page._insert_image(filename=file_list[index], _imgname=img[7])index = index + 1pdf.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('文件夹:{0} 已存在'.format(out_path))os.mkdir(out_path)print("####### 开始切割pdf：{0} #######".format(file_path))split_pdf(file_path, out_path)print("####### 切割pdf完毕：{0} #######".format(file_path))# 获取文件名file_list = list_file(out_path, ".jpg")print("####### 开始去除水印 #######")for img_file in file_list:wipe_watermark(img_file, start_color)print("####### 去除水印结束 #######")# 生成pdfprint("####### 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.comstart(file_path="重构-改善既有代码的设计.pdf", dest_path="b.pdf", start_color=175)

总结

这里实现相对比较简单，只能去除一些纯色图片的PDF，这里没能去除文字logo（懂得大佬麻烦告知一下(〃‘▽’〃)）。这里就作为个简单的demo吧。主要是用Python做点骚操作，用来熟悉一下Python语言

用Python去除PDF水印尝试相关推荐

用 Python 去除 PDF 水印，你学会吗？
今天介绍下用 Python 去除 PDF (图片)的水印.思路很简单,代码也很简洁. 首先来考虑 Python 如何去除图片的水印,然后再将思路复用到 PDF 上面. 这张图片是前几天整理<数据 ...
利用 Python 去除 PDF 水印（和图片水印原理一样）
前言今天介绍下用 Python 去除 PDF (图片)的水印.思路很简单,代码也很简洁. 首先来考虑 Python 如何去除图片的水印,然后再将思路复用到 PDF 上面. 原理这张图片是前几天整理 ...
Python:快速去除PDF水印
本文分享一个快速去除PDF水印的小程序,亲测有效. 写一点关于使用的说明: 程序最后的"if __name__ == '__main__': "部分,这里边有两个自定义函数,分别是 ...
python去除图片水印_Python | 图中使用类的水印
python去除图片水印 Sometimes, we need to add watermark as a standard category of plots and therefore, we a ...
Java 实现PDF转图片,去除PDF水印,图片转PDF
1.依赖jar包 <dependency><groupId>com.itextpdf</groupId><artifactId>itext-asian& ...
PDF怎么去水印，去除PDF水印的方法
有些PDF文件会把文件中添加上水印,但我们在使用的时候感觉不是那么好,这个时候就需要去除水印了.那么PDF文件去除水印的方法是什么呢?估计有许多的小伙伴还不是懂,今天小编就来跟大家分享一下PDF去除水 ...
PDF怎么编辑，如何去除PDF水印
对于很多已经参加工作的小伙伴来说,PDF文件已经是再熟悉不过的了,那么,对于刚刚接触PDF文件的小伙伴们来说,PDF文件的修改编辑,估计还不知道该怎么操作吧.当你拿到PDF文件的时候,想要删除文件中的 ...
有哪些去除pdf水印的方法？说几个思路
有哪些去除pdf水印的方法?PDF通常包含有版权信息.机构标识.文档名称.日期等水印信息,是一种常见的电子文件格式,但有时我们可能会遇到一些带有水印的PDF文件,这可能会影响我们的使用.这些水印旨在保 ...
C# spire 去除PDF 水印
C# spire 去除PDF 水印引入包 FreeSpire.XLS 官网:https://www.e-iceblue.com/Tutorials/Spire.PDF/Program-Guide/T ...

用Python去除PDF水印尝试