python去掉图片上的文字水印_【原创】python批量删除pdf图片水印（Xobject）的一种方法...

1.说明：

下载到的pdf总会有一些水印，pdf文件水印添加方式除了acrobat adobe自带的以外，还有很多，所以去除水印方法也很多，这里介绍的也只是一种适用python批量删除图片水印Xobject的方法，对于不想装pitstop、abbyy的情况可供君参考，程序需要完善的地方很多，目前只是实现单一的批量删除pdf图片水印。

2.分析：

分析原pdf水印，排除是页眉页脚，Acrobat添加水印等，在内容窗口分析，可看出此pdf水印为图片水印。

001.png (285.23 KB, 下载次数: 1)

2020-10-17 12:06 上传

2.1 思路：

使用python的fitz库，pdf逐页提取扫描图片，图片再次合并为新pdf，完成“删除”水印。

网上有现成使用fitz库中._getXrefString()方法提取所有图片的代码，测试发现图片提取没有问题，但因为图片提取时无识别，导致提取页面顺序是乱的，水印页面也同样提取，需要通过另外的代码去判别剔除（使用PIL对大小判定可实现），顺序问题在在未深刻理解源代码的前提下未解决，故使用前述逐页提取目标页的方法，调试可行。

2.2 调试：

单页分析，使用fitz的page类下.getImageList()方法，单页得到所有图片信息数组，进一步分析其中的图片大小࿰