python修改pdf文件

需求

最近有个编辑修改pdf文件的需求:去掉每页等页眉、页脚(里面包含图片)，修改后的文件还得保存为pdf。

初步方案

使用python的库:PyPDF2。发现只有功能：简单的读写、拆分、合并等功能。不能去掉文件的部分内容。

解决过程

1. 先拆分pdf为单页pdf文件；
2. 将单页pdf转化为png图片；
3. 编辑切割png图片；
4. png图片转为pdf文件并合并。

实现过程

import sys
import time
from PyPDF2 import PdfFileReader, PdfFileWriter
from PIL import Image as pilImage
from reportlab.lib.pagesizes import portrait
from reportlab.pdfgen import canvas
from wand.image import Image

#=====================
class DelLogo_pdf(object):
    def __init__(self):
        #原pdf文件名
        self.old_pdf_name = "MBC.pdf"
        #新pdf文件名
        self.new_pdf_name = "new_noLogo.pdf"
        #pdf总页数
        self.pdf_total_pages = 0
        # 图片后缀
        self.image_suffix = ".png"
        #图片精度
        self.resolution = 180
        #宽度和高度 1488*2105
        #距离图片左边界距离x， 距离图片上边界距离y，裁剪框宽度w，裁剪框高度h
        self.gx = 0
        self.gy = 120
        self.gw = 1488
        self.gh = 1600

        print("init ok")

    def run(self):
        #1原pdf文件，按单页，存单页pdf文件，
        self.split_pdf(self.old_pdf_name)
        print("pdf_total_pages:", self.pdf_total_pages)

        #2单页pdf文件，分别转为单个图片
        pages = 0
        while pages < self.pdf_total_pages:
            pdfFileName = "./tmp/"+str(pages)+".pdf"
            imageFileName = "./tmp/"+str(pages)+self.image_suffix
            self.pdf_to_image(pdfFileName, imageFileName, self.resolution)
            pages += 1

        #3图片切去logo, 并保存为新图片
        pages = 0
        while pages < self.pdf_total_pages:
            oldImageName = "./tmp/"+str(pages)+self.image_suffix
            newImageName = "./tmp/"+str(pages)+"_new"+self.image_suffix
            self.del_image_logo(oldImageName, newImageName, self.gx,self.gy,self.gw,self.gh)
            pages += 1

        #4、单个新图片，转为单页pdf
        pages = 0
        while pages < self.pdf_total_pages:
            pdfName = "./tmp/"+str(pages)+"_new.pdf"
            imageName = "./tmp/"+str(pages)+"_new"+self.image_suffix
            self.image_to_pdf(imageName, pdfName)
            pages += 1

        #5 合成
        infnList = []
        pages = 0
        while pages < self.pdf_total_pages:
            pdfName = "./tmp/"+str(pages)+"_new.pdf"
            infnList.append(pdfName)
            pages += 1

        self.merge_pdf(infnList, self.new_pdf_name)
        print("over.....")
        return

    # 1、原pdf文件，按单页，存单页pdf文件，
    def split_pdf(self, readFileName):

        print("原pdf文件，按单页，存单页pdf文件")
        # 获取一个 PdfFileReader 对象
        pdfReader = PdfFileReader(open(readFileName, 'rb'))
        # 获取 PDF 的页数
        pageCount = pdfReader.getNumPages()
        #self.pdf_total_pages = pageCount
        self.pdf_total_pages = pageCount
        print("原pdf文件总页数:", pageCount)
        pages = 0
        while pages < self.pdf_total_pages:
            # 返回一个 PageObject
            page = pdfReader.getPage(pages)
            # 获取一个 PdfFileWriter 对象
            pdfWriter = PdfFileWriter()
            # 将一个 PageObject 加入到 PdfFileWriter 中
            pdfWriter.addPage(page)
            writeFileName = "./tmp/"+str(pages)+".pdf"
            # 输出到文件中
            pdfWriter.write(open(writeFileName, 'wb'))
            pages += 1


    # 2、单页pdf文件，分别转为单个图片；
    def pdf_to_image(self, pdfFileName, imageFileName, imgResolution):
        with Image(filename=pdfFileName, resolution=imgResolution) as img :
            with img.convert('png') as converted:
                converted.save(filename=imageFileName)

        print("pdf_to_image:", pdfFileName, imageFileName)

    #3  图片切去logo, 并保存为新图片。
    def del_image_logo(self, oldImageName, newImageName, x, y, w, h):
        im = pilImage.open(oldImageName)
        # 图片的宽度和高度
        img_size = im.size
        print("图片"+oldImageName+" 图片宽度和高度分别是{}".format(img_size))
        '''
        裁剪：传入一个元组作为参数
        元组里的元素分别是：（距离图片左边界距离x， 距离图片上边界距离y，裁剪框宽度w，裁剪框高度h）
        '''
        region = im.crop((x, y, x+w, y+h))
        region.save(newImageName)

        #==== 图片背景色设为白色
        im = pilImage.open(newImageName)
        x,y = im.size
        p = pilImage.new('RGBA', im.size, (255,255,255))
        p.paste(im, (0, 0, x, y), im)
        p.save(newImageName)

    #4、单个新图片，转为单页pdf。
    def image_to_pdf(self, imageName, pdfName):
        print("image_to_pdf:", imageName, pdfName)
        (maxw, maxh) = pilImage.open(imageName).size
        c = canvas.Canvas(pdfName, pagesize=portrait((maxw, maxh)))
        c.drawImage(imageName, 0, 0, maxw, maxh)
        c.showPage()
        c.save()

    #5、合成所有单页pdf，转为完整新pdf文件
    # infnList：单个pdf文件名数组。
    # outfn: 新pdf文件
    def merge_pdf(self, infnList, outfn):
        print("合成pdf:", infnList, outfn)
        pdf_output = PdfFileWriter()
        for infn in infnList:
            pdf_input = PdfFileReader(open(infn, 'rb'))
            # 获取 pdf 共用多少页
            page_count = pdf_input.getNumPages()
            #print(page_count)
            for i in range(page_count):
                pdf_output.addPage(pdf_input.getPage(i))
        pdf_output.write(open(outfn, 'wb'))



if __name__ == '__main__':
    localtime = time.asctime( time.localtime(time.time()) )
    print("开始时间为 :", localtime)
    delLogo_pdf = DelLogo_pdf()
    delLogo_pdf.run()
    localtime = time.asctime( time.localtime(time.time()) )
    print("结束时间为 :", localtime)

复制代码

注释：

1. 效率问题，pdf与png之间转化时间较长(1-2s)。

作者：timix
链接：https://juejin.im/post/5c1fa58f5188257d9937609e
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。