用Python去除PDF水印尝试

最新推荐文章于 2024-08-02 08:21:53 发布
最新推荐文章于 2024-08-02 08:21:53 发布
阅读量4.5k 收藏 34
点赞数 10
分类专栏： 小玩意 Python 文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42789334/article/details/123457763
版权

文章目录

前言

    最近在下载PDF书籍的时候，发现有些PDF有水印，于是就寻思着能不能用Python去除这些讨厌的水印

一、PDF文件

    关于PDF文件，想必大家都很熟悉了，这里就不过多的介绍了。PDF主要有两种类型，一种是文字版，另外一种就是扫描版（图片）。这个去除水印主要就是针对扫描版的PDF
代码路径
在这里插入图片描述

二、思路整理

    在开始写代码之前，先捋一下实现的思路

1、分割图片

    对于一个PDF文件，我们只需要图片信息就可以了，所以首先需要先提取里边的图片，再把图片存在一个目录下。这里需要用到fitz模块，直接安装即可，如下：

pip install PyMuPDF

模块安装完之后，代码就很简单了，只需要注意一下图片按顺序命名即可，如下：


def split_pdf(file_path, out_path):
    """
    切割pdf为图片
    :param file_path: pdf路径
    :param out_path: 输出图片路径
    :return: 输出路径
    """
    pdf = fitz.open(file_path)
    count = 0
    print("##### 开始保存切割图片 #####")
    for page in pdf:
        image_list = page.get_images()
        for img_info in image_list:
            pix = fitz.Pixmap(pdf, img_info[0])
            pix.save(os.path.join(out_path, '%d.jpg' % count))
            count += 1
    print("##### 保存切割图片完毕 #####")
    print("##### {0} 包含 {1} 张图片 #####".format(file_path, count))
    return out_path

在这里插入图片描述

2、去除水印

    分割完图片后，接下来的问题也随之而来了，要如何区分水印和正常图片？ 要替换成什么？ 先来看第一个问题，如何区分水印

  • 按水印位置
    这个问题，最直观的想法就是根据水印的位置以及水印的大小，进行替换就可以。但是这样存在问题，首先就是不通用（PDF水印的位置可能不一样），再者就是水印和字混在一起就不好弄了

像这种水印，坐标和大小是可以去除的在这里插入图片描述

像这种字和水印混在一起就难办了
在这里插入图片描述
在这里插入图片描述

  • 按颜色
        我们在观察下水印，发现水印的颜色一般偏亮一点，而字都是偏暗色的（黑色、灰色）。我们可以根据颜色将亮一点的颜色都替换掉。但这种方式也有问题，如果是彩色的，就够呛了

    对于第二个问题：要替换成什么？ 如果只有简单的颜色（黑白灰等），我们直接把水印替换成白色即可

    接下来来看下代码吧，这里需要用到PIL模块，直接安装就行了，如下：

pip install pillow

思路有了，代码就简单了，如下：


def get_image_arr(img):
    """
    获取图片三色数组
    :param img:图片
    :return: 图片编码、三色数组
    """
    img_arr = np.asarray(img, dtype=np.double)
    # 分离通道
    r_img = img_arr[:, :, 0].copy()
    g_img = img_arr[:, :, 1].copy()
    b_img = img_arr[:, :, 2].copy()
    img = r_img * 256 * 256 + g_img * 256 + b_img
    return img, r_img, g_img, b_img


def replace_clr_color(img, src_clr, dst_clr):
    """
    通过矩阵操作颜色替换程序
    @param  img:    图像矩阵
    @param  src_clr:    需要替换的颜色(r,g,b)
    @param  dst_clr:    目标颜色        (r,g,b)
    @return             替换后的图像矩阵
    """

    img, r_img, g_img, b_img = get_image_arr(img)
    src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2]

    # 索引并替换颜色
    r_img[img == src_color] = dst_clr[0]
    g_img[img == src_color] = dst_clr[1]
    b_img[img == src_color] = dst_clr[2]

    return compound_img(r_img, g_img, b_img)


def compound_img(r_img, g_img, b_img):
    """
    合并图片
    :param r_img: 红色
    :param g_img: 绿色
    :param b_img: 蓝色
    :return: 图片
    """
    # 合并通道
    dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
    # 将数据转换为图像数据(h,w,c)
    dst_img = dst_img.transpose(1, 2, 0)
    return dst_img


def replace_pure_color(img, src_color, dst_color):
    """
    通过矩阵操作颜色替换程序（纯色）
    :param img: 图像矩阵
    :param src_color: 需要替换的颜色
    :param dst_color: 目标颜色
    :return: 图片
    """

    img, r_img, g_img, b_img = get_image_arr(img)
    src_color = src_color * 256 * 256 + src_color * 256 + src_color
    # 索引并替换颜色
    r_img[img >= src_color] = dst_color
    g_img[img >= src_color] = dst_color
    b_img[img >= src_color] = dst_color

    return compound_img(r_img, g_img, b_img)

def wipe_watermark(img_file, start_color):
    """
    去除图片水印
    :param start_color: 颜色起始替换位置
    :param img_file: 图片文件
    :return:
    """

    img = replace_pure_color(Image.open(img_file).convert('RGB'), start_color, 255)
    res_img = Image.fromarray(img)
    res_img.save(img_file)

3、替换图片

    保存完去除水印后的图片，接下来只要把他一个个替换进去就行了

    由于原始PDF文件可以有其他东西（书签等），所以我们先把原始文件读取进去，在进行替换，代码如下：

def save_pdf(src_pdf, dest_pdf, file_list):
    """
    生成最终pdf文件
    :param src_pdf: 源文件
    :param dest_pdf: 目标文件
    :param file_list: 图片列表
    :return:
    """
    pdf = fitz.open(src_pdf)
    index = 0
    try:
        for page in pdf:
            # 去除超链接
            for link in page.get_links():
                page.delete_link(link)
            # 替换图片
            for img in page.get_images():
                page._insert_image(filename=file_list[index], _imgname=img[7])
                index = index + 1
        pdf.save(dest_pdf)
    finally:
        pdf.close()

三、实现效果

    lu完代码，再来看一下效果怎么样，这边用了两个PDF做实验，第一个PDF效果如下：

去除水印前：
在这里插入图片描述
在这里插入图片描述
去除水印后：
在这里插入图片描述
在这里插入图片描述

第二个PDF效果如下：

去除水印前：
在这里插入图片描述
在这里插入图片描述

去除水印后：
在这里插入图片描述
在这里插入图片描述

感觉效果还阔以，哈哈。不过这里有个问题，对于文字logo，查了PyMuPDF文档没找到罒ω罒，像这种
在这里插入图片描述

在这里插入图片描述

四、代码实现

    全部代码如下：

import os

import fitz
import numpy as np
from PIL import Image


def split_pdf(file_path, out_path):
    """
    切割pdf为图片
    :param file_path: pdf路径
    :param out_path: 输出图片路径
    :return: 输出路径
    """
    pdf = fitz.open(file_path)
    count = 0
    print("##### 开始保存切割图片 #####")
    for page in pdf:
        image_list = page.get_images()
        for img_info in image_list:
            pix = fitz.Pixmap(pdf, img_info[0])
            pix.save(os.path.join(out_path, '%d.jpg' % count))
            count += 1
    print("##### 保存切割图片完毕 #####")
    print("##### {0} 包含 {1} 张图片 #####".format(file_path, count))
    return out_path


def get_image_arr(img):
    """
    获取图片三色数组
    :param img:图片
    :return: 图片编码、三色数组
    """
    img_arr = np.asarray(img, dtype=np.double)
    # 分离通道
    r_img = img_arr[:, :, 0].copy()
    g_img = img_arr[:, :, 1].copy()
    b_img = img_arr[:, :, 2].copy()
    img = r_img * 256 * 256 + g_img * 256 + b_img
    return img, r_img, g_img, b_img


def replace_clr_color(img, src_clr, dst_clr):
    """
    通过矩阵操作颜色替换程序
    @param  img:    图像矩阵
    @param  src_clr:    需要替换的颜色(r,g,b)
    @param  dst_clr:    目标颜色        (r,g,b)
    @return             替换后的图像矩阵
    """

    img, r_img, g_img, b_img = get_image_arr(img)
    src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2]

    # 索引并替换颜色
    r_img[img == src_color] = dst_clr[0]
    g_img[img == src_color] = dst_clr[1]
    b_img[img == src_color] = dst_clr[2]

    return compound_img(r_img, g_img, b_img)


def compound_img(r_img, g_img, b_img):
    """
    合并图片
    :param r_img: 红色
    :param g_img: 绿色
    :param b_img: 蓝色
    :return: 图片
    """
    # 合并通道
    dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
    # 将数据转换为图像数据(h,w,c)
    dst_img = dst_img.transpose(1, 2, 0)
    return dst_img


def replace_pure_color(img, src_color, dst_color):
    """
    通过矩阵操作颜色替换程序（纯色）
    :param img: 图像矩阵
    :param src_color: 需要替换的颜色
    :param dst_color: 目标颜色
    :return: 图片
    """

    img, r_img, g_img, b_img = get_image_arr(img)
    src_color = src_color * 256 * 256 + src_color * 256 + src_color
    # 索引并替换颜色
    r_img[img >= src_color] = dst_color
    g_img[img >= src_color] = dst_color
    b_img[img >= src_color] = dst_color

    return compound_img(r_img, g_img, b_img)


def list_file(path, suffix=None):
    """
    获取指定目录下指定后缀文件
    :param path: 路径
    :param suffix: 后缀名
    :return: 文件集合
    """
    file_names = os.listdir(path);
    # 获取文件名
    if suffix is not None:
        file_names = [file_name for file_name in file_names if file_name.endswith(suffix)]
    file_names.sort(key=lambda x: int(x[:(-len(suffix))]))
    # 文件名拼接路径
    return [os.path.join(path, file) for file in file_names]


def wipe_watermark(img_file, start_color):
    """
    去除图片水印
    :param start_color: 颜色起始替换位置
    :param img_file: 图片文件
    :return:
    """

    img = replace_pure_color(Image.open(img_file).convert('RGB'), start_color, 255)
    res_img = Image.fromarray(img)
    res_img.save(img_file)


def save_pdf(src_pdf, dest_pdf, file_list):
    """
    生成最终pdf文件
    :param src_pdf: 源文件
    :param dest_pdf: 目标文件
    :param file_list: 图片列表
    :return:
    """
    pdf = fitz.open(src_pdf)
    index = 0
    try:
        for page in pdf:
            # 去除超链接
            for link in page.get_links():
                page.delete_link(link)
            # 替换图片
            for img in page.get_images():
                page._insert_image(filename=file_list[index], _imgname=img[7])
                index = index + 1
        pdf.save(dest_pdf)
    finally:
        pdf.close()


def start(file_path, dest_path, start_color, out_path=r'out'):
    if os.path.exists(out_path):
        # shutil.rmtree(out_path)
        raise FileExistsError('文件夹:{0} 已存在'.format(out_path))
    os.mkdir(out_path)

    print("####### 开始切割pdf：{0} #######".format(file_path))
    split_pdf(file_path, out_path)
    print("####### 切割pdf完毕：{0} #######".format(file_path))
    # 获取文件名
    file_list = list_file(out_path, ".jpg")

    print("####### 开始去除水印 #######")
    for img_file in file_list:
        wipe_watermark(img_file, start_color)
    print("####### 去除水印结束 #######")

    # 生成pdf
    print("####### 生成pdf文件：{0} #######".format(dest_path))
    save_pdf(src_pdf=file_path, dest_pdf=dest_path, file_list=file_list)
    print("####### 生成pdf文件：{0} 完成 #######".format(dest_path))
    # make_pdf(dest_path, file_list)


if __name__ == '__main__':
    # replace_pdf(src_pdf="深入剖析TOMCAT.pdf", dest_pdf='a.pdf', file_list=list_file('out', ".jpg"))
    # www.TopSage.com
    start(file_path="重构-改善既有代码的设计.pdf", dest_path="b.pdf", start_color=175)

总结

    这里实现相对比较简单，只能去除一些纯色图片的PDF，这里没能去除文字logo（懂得大佬麻烦告知一下(〃‘▽’〃)）。这里就作为个简单的demo吧。主要是用Python做点骚操作，用来熟悉一下Python语言

穷儒公羊
关注
专栏目录
python去除pdf中水印
主要从事JAVA开发，目前是CSDN博客Java领域新星创作者、阿里云博客专家、担任公司研发经理、技术负责人等。热爱编程，喜欢在Python、C、C++领域探索。
03-11 628
目前看到CSDN-问答板块有很多同学问：python怎么去除pdf中的水印？那么今天就介绍下怎么去除水印，本博客有参考其他博主思路加以整理！
如何用Python去除PDF文档中的水印
songwjaa的博客
12-09 1122
在日常工作或学习中，常常会遇到带有水印的PDF文件，这些水印可能是由于文件的保护措施、版权标记或其他原因而添加的。然而，这些水印会干扰的阅读或使用体验。市面上的PDF处理工具非常多，在线和桌面的工具，但是呢，作为一个程序员，有没有想自己写个脚本来轻松完成呢？下面的Python代码，只是处理图片PDF中的水印，并且为了阅读方便，也只是支持了每页中只有一张图片。
Python去除PDF文件水印（PyMuPDF包）
qq_20144897的博客
11-20 2338
使用Python去除PDF文件水印，基于PyMuPDF包，截止2022年11月20日代码运行无报错
还在到处求人发原图？不如用Python给图片和 PDF 去掉水印~
热门推荐
L010409的博客
02-15 1万+
导语 哈喽呀铁汁萌~今天小编准备教大家怎样除去图片跟PDF中的水印~ 这是不是平时到处求人发原图又卑微的你 但学完这期咱们就可以站起来了！????????这水印呐~诶！咱就是说想怎么去就怎么去 网上下载的 pdf 学习资料有一些会带有水印，非常影响阅读。比如下面的图片就是在 pdf 文件上截取出来的。接下来让我们看看用Python怎样去除这些水印！ 安装模块 PIL：Python Imaging Library 是 python 上非常强大的图像处理标准库，但是只能支持 pyth
【Python实战】如何优雅地实现 PDF 去水印？
最新发布
u010522887的专栏
08-02 457
超简单的 PDF 去水印方法
使用 Python 去除 PDF 水印：一步一步的实现（二）
科研软件、实用工具、办公软件
05-20 2608
在日常工作中，我们经常会遇到带有水印的 PDF 文件。水印可能会影响文档的可读性或者在打印时造成不便。为了自动化地去除 PDF 文件中的水印，我们可以使用 Python 及其强大的库，如 PyMuPDF、Pillow 和 OpenCV。本文将详细介绍如何实现这一过程。接下来，我们定义一个函数来去除图像中的水印。
利用Python去除PDF水印
科研软件、实用工具、办公软件
05-16 1769
本文介绍了如何使用 Python 中的 PyMuPDF 和 OpenCV 库来从 PDF 文件中移除水印，并将每个页面保存为图像文件的方法。我们将深入探讨代码背后的工作原理，并提供一个简单的使用示例。
Python:快速去除PDF水印
逐梦苍穹的博客
11-19 3568
快速去除PDF水印
使用 Python 简单几步去除 PDF 水印
liyananweb的博客
05-23 1288
免费豆包AI模型在处理 PDF 文件时，水印有时会影响文件的可读性或美观性。幸运的是，Python 提供了多种库来操作 PDF 文件，其中PyMuPDF（又名fitz） 是一个强大的工具，可以用于去除 PDF 水印。本文将介绍如何使用PyMuPDF去除 PDF 文件中的水印，并提供详细的代码示例。
python去除pdf水印,使用PyPDF2在PDF上去除水印
weixin_30133813的博客
02-10 1424
This Section imports the necessary classes from the PyPDF2 libraryfrom PyPDF2 import PdfFileReader, PdfFileWriterfrom PyPDF2.pdf import ContentStreamfrom PyPDF2.generic import TextStringObject, NameOb...
基于python的图片修复程序（实现水印去除）
09-20
总的来说，使用Python和OpenCV实现图片修复和去除水印是一个综合运用图像处理技术的过程，包括颜色空间转换、二值化、形态学操作以及像素级别的修复算法。通过理解这些基本概念和熟练使用OpenCV提供的函数，开发者...
去除PDF文件上的文字水印简单特例
07-02
针对的是网上下载的OpenCV 3.x with Python By Example 2nd Edition PDF文件，采用Python和PyPDF2编程，去除该PDF上的文字水印。去除水印的方法随着采用的加水印的方法不同而不同，所采用的方法对于去除一些指定的PDF有用，而对别的可能就是根本用不了。本例程仅供业余时间的时间有效耗散
如何用python一键去除图片、PDF水印？
xff123456_的博客
08-31 1638
以后无水印图片再也不求人！
Python去除pdf中水印
aobulaien001的博客
03-12 1527
那么今天就介绍下怎么去除水印，本博客有参考其他博主思路加以整理！import os。
python一键去PDF水印，只需十行代码，超级简单...
轻松学python的博客
11-22 1万+
十行Python代码，轻松去除PDF水印！
Python项目实践（一）去除PDF指定区域内的水印
早饭不饿的博客
08-25 4982
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录对比图（水印去除前后）一、原理二、代码实现三、使用教程1. 文件夹目录（pic和res文件夹需提前创建好）![在这里插入图片描述](https://img-blog.csdnimg.cn/4348aa308e62424897b1aa029da8806f.png#pic_center)2. 执行第一步代码（注释掉其他代码，以下同理）3. 执行第二步代码4. 执行第三步代码5. 图片转PDF总结 对比图（水印去除前后） 一、原理
用Python对PDF去水印（终极版）原则上所有水印都可去除（Pdftron）
m0_53956136的博客
11-01 6656
用Python对PDF去水印（终极版）原则上所有水印都可去除（Pdftron）
python-pdf的去水印操作
kjprime的博客
03-31 2980
python-特殊pdf的去水印操作为什么做出这个？原理特色成果安装依赖代码想法参考文献 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。
Python 为图片和 PDF 上去掉水印，超简单快来学！
m0_59236548的博客
06-08 2190
网上下载的 pdf 学习资料有一些会带有水印，非常影响阅读。比如下面的图片就是在 pdf 文件上截取出来的。本文主要讲解利用python去掉图片上的水印的详细步骤。
Python pdf 去除水印
07-16
你好！要去除PDF文件中的水印，你可以使用Python中的一些库和工具。一个常用的库是PyPDF2，它可以用来处理PDF文件。 首先，你需要安装PyPDF2库，你可以使用以下命令进行安装： ``` pip install PyPDF2 ``` 安装完成后，你可以使用以下代码去除PDF文件中的水印： ```python from PyPDF2 import PdfReader, PdfWriter def remove_watermark(input_pdf, output_pdf): reader = PdfReader(input_pdf) writer = PdfWriter() for page in reader.pages: # 删除每一页的内容 page.merge_content_streams() # 从页面中移除图层 if '/OCGs' in page: del page['/OCGs'] writer.add_page(page) with open(output_pdf, 'wb') as f: writer.write(f) input_pdf = 'input.pdf' output_pdf = 'output.pdf' remove_watermark(input_pdf, output_pdf) ``` 在上面的代码中，`input_pdf`是要处理的PDF文件的路径，`output_pdf`是处理后保存的路径。代码会打开输入PDF文件，遍历每一页并删除内容。同时，它还会检查是否存在图层（水印通常是通过图层添加的），如果存在则移除图层。最后，它将保存处理后的PDF文件到指定的路径。 请注意，这种方法可能无法完全去除复杂的水印，因为水印可能会与页面内容混合在一起。如果水印是作为文本层添加的，你可以尝试使用OCR库（如pytesseract）来识别并删除水印。 希望这可以帮助到你！如果还有其他问题，请随时提问。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

穷儒公羊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值