用Python去除扫描型PDF中的水印

巨輪

已于 2022-03-07 01:57:44 修改

阅读量2.9k

点赞数

分类专栏： Python 文章标签： Python PDF

于 2022-03-07 01:49:02 首次发布

本文链接：https://blog.csdn.net/u011863024/article/details/123321179

版权

本文介绍了如何使用Python去除扫描型PDF中的水印。通过将PDF转换为图片，编辑图片以覆盖水印，再将处理后的图片合成为新的PDF文件。然而，这种方法可能导致处理后的PDF文件大小增加，无法提取文字，且难以处理文本中的水印。

摘要由CSDN通过智能技术生成

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。
在这里插入图片描述
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。

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