对于经常看扫描PDF资料的人来说，经常会碰到如下问题：

PDF缩略图

因为一些格式转换的原因，一些空白页时不时的出现，而且规律不定，一会是偶数页码一会是奇数页码，逐个选中删除的话，对于几百页的文档，非常费时。

百度搜索删除PDF空白页，得到的是一个要收费的工具，有了Python就可以利用免费开源库轻松解决。

先安装 PyPDF2库，在Powershell 或CMD命令行模式安装PyPDF2

Install PyPDF2

流程：

将空白页和内容页读取出来，看看内部结构有什么不同，以此为依据，遍历整个PDF 文件，标记处有内容的页面，写入到另外一个PDF文件。

该文件中17页为空白页，18页为内容页：

from PyPDF2 import PdfFileReader, PdfFileWriter

path=r"D:\ebook\PDF\test.pdf"

reader = PdfFileReader(open(path, 'rb'))

"""

注意PyPDF2中页码从0开始

"""

blank= reader.getPage(16)

full = reader.getPage(17)

每一个页都是一个字典对象，看第一层没区别

blank.keys()

Out[24]: dict_keys(['/Type', '/Contents', '/Parent', '/Resources', '/MediaBox'])

full.keys()

Out[25]: dict_keys(['/Type', '/Contents', '/Parent', '/Resources', '/MediaBox'])

经查发现/Resources下结构有所不同，空白页没有"/XObject"键：

blank['/Resources']

Out[26]: {'/ExtGState': {'/Opa0': {'/Type': '/ExtGState', '/CA': 1}}}

full['/Resources']

Out[27]:

{'/ExtGState': {'/Opa0': {'/Type': '/ExtGState', '/CA': 1},

'/Opa1': {'/Type': '/ExtGState', '/ca': 1}},

'/XObject': {'/Image0': {'/BitsPerComponent': 8,

'/Height': 1130,

'/Filter': ['/DCTDecode'],

'/ColorSpace': '/DeviceRGB',

'/Type': '/XObject',

'/Subtype': '/Image',

'/DL': 434222,

'/Width': 792}}}

所以对于有”/XObject“键的，就是有图像的页面。同时发现一些只有文字没图像的页面，还有"/Font" 键，于是将有这两个键的页面标记，然后写入第二个PDF文件即可：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r"D:\ebook\PDF\test.pdf"

path_output = r"D:\ebook\PDF\output.pdf"

reader = PdfFileReader(open(path, 'rb'))

writer = PdfFileWriter()

pages = pdfReader.getNumPages()

for i in range(pages):

page = reader.getPage(i)

if "/XObject" in page["/Resources"].keys() or "/Font" in page["/Resources"].keys():

writer.addPage(page)

writer.write(open(path_output, 'wb'))