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
pip install pillow
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)
pdf_img = fitz.open()
for page_inf in pdf:
definition = 3
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:
img.putpixel((i, j), (255, 255, 255))
img = img.tobytes()
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")
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]:
file_list = []
for a, b, c in os.walk(folder):
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")
想法
- 虽然最后实现了,但是
有限制
。 - 为了去除保存图片后取图片的中间步骤,我查阅了很多的文献和资料,后面发现只有我最不想看的
英文文档才找到了问题的答案
。我就感觉,比较偏的点,只有英文文献才有。 - 因为限制,我在想是不是可以和python-普通pdf的添加水印的
逆向思维
进行操作,就是把水印图层直接取出来。 - 如果处理的pdf文件比较多,并且页数很多,程序运行就要很久,我都感觉像深度学习了🤣。
参考文献