Python實現(xiàn)為PDF去除水印的示例代碼
前言
為什么做出這個?
就是有時候從網(wǎng)上下載的資料中的pdf有水印,看著不舒服。
比如說我從網(wǎng)上下載的試卷,然后去打印店打印,打印之后水印看著很不舒服,而去水印wps要會員,而我是一個程序員,為什么不做一個呢,何樂而不為。
雖然最后是做出來的,但是還是有限制。
原理
把pdf轉(zhuǎn)化為圖片,然后將圖片去水印。
圖片去水印,是又條件限制的,必須水印的顏色和pdf中文字的顏色的rgb相差很大,然后把水印的顏色改變成背景顏色。
特色
網(wǎng)上很多和我類似的原理去水印,但是都是先pdf轉(zhuǎn)化為圖片存起來,然后圖片去水印之后,然后把圖片拼接成pdf。
而我就不需要中間步驟,我是直接輸入pdf文件,輸出pdf文件。
成果
安裝依賴
Image
pip install pillow
fitz
pip install PyMuPDF
代碼
程序處理pdf需要的時間比較久(因為處理的是像素點),可以先用頁數(shù)少的pdf進行測試之后再去頁數(shù)比較多的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) # 打開pdf目錄
pdf_img = fitz.open() # 打開空文件,用來存圖片pdf
for page_inf in pdf:
definition = 3 # 清晰度,感覺輸出的pdf不夠清晰,可以調(diào)大,調(diào)大,文件大小也會變大
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: # 這里的600你需要根據(jù)自己的水印的顏色進行更改。
img.putpixel((i, j), (255, 255, 255))
img = img.tobytes() # = img = np.asarray(img);img = bytearray(img)
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") # 處理好的pdf存入了output目錄下
pdf_img.save("output/去水印pdf_" + os.path.basename(pdf_path))
def group_pdf_clearwater(path_array: list[str]):
print("************去水印時間比較久***********")
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]: # 一個文件夾里面有多少pdf文件
file_list = []
for a, b, c in os.walk(folder):
if b == []:
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), "個pdf文件")
return file_list
if __name__ == '__main__':
time_start = time.time()
path_list = folder_pdf_files("pdf的目錄")
group_pdf_clearwater(path_list)
time_end = time.time()
print("程序運行時間:", round(time_end - time_start, 2), "秒")
想法
雖然最后實現(xiàn)了,但是有限制。
為了去除保存圖片后取圖片的中間步驟,我查閱了很多的文獻(xiàn)和資料,后面發(fā)現(xiàn)只有我最不想看的英文文檔才找到了問題的答案。我就感覺,比較偏的點,只有英文文獻(xiàn)才有。
因為限制,我在想是不是可以和python-普通pdf的添加水印的逆向思維進行操作,就是把水印圖層直接取出來。
如果處理的pdf文件比較多,并且頁數(shù)很多,程序運行就要很久,我都感覺像深度學(xué)習(xí)了。
到此這篇關(guān)于Python實現(xiàn)為PDF去除水印的示例代碼的文章就介紹到這了,更多相關(guān)Python PDF去水印內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
基于python中pygame模塊的Linux下安裝過程(詳解)
下面小編就為大家?guī)硪黄趐ython中pygame模塊的Linux下安裝過程(詳解)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2017-11-11
Python實現(xiàn)Kerberos用戶的增刪改查操作
這篇文章主要介紹了Python實現(xiàn)Kerberos用戶的增刪改查操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-12-12
Python?ArcPy實現(xiàn)批量拼接長時間序列柵格圖像
這篇文章主要介紹了如何基于Python中ArcPy模塊,對大量不同時相的柵格遙感影像按照其成像時間依次執(zhí)行批量拼接的方法,感興趣的可以了解一下2023-03-03
python實現(xiàn)機器學(xué)習(xí)之元線性回歸
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)機器學(xué)習(xí)之元線性回歸,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-09-09
Python實現(xiàn)返回數(shù)組中第i小元素的方法示例
這篇文章主要介紹了Python實現(xiàn)返回數(shù)組中第i小元素的方法,結(jié)合實例形式分析了Python針對數(shù)組的遍歷、排序、運算等相關(guān)操作技巧,需要的朋友可以參考下2017-12-12

