十行Python3代码实现去除pdf文件水印

1、引言

小 * 丝：鱼哥，最近有点不像话了。

小鱼：嗯？？ 啥个意思嘛~

小 * 丝：一周了，没分享小知识了。

小鱼：就因为这个？？

小 * 丝：那是，我这么爱学习的人。

小鱼：怕是你有什么事情解决不了，想到我了吧？

小 * 丝：呵 ~ 笑话 ~ 我 能有…什…么…事情…

小鱼：说吧，

小 * 丝：这可是你让我说的，我可没主动要问的！

小鱼：说吧，咋还磨磨唧唧了呢

小 * 丝：我在某站下载的pfd文档，有水印，如何去掉啊？

小鱼：我突然想起来，PPT还没写完。

小 * 丝：我家楼下刚开一个烧烤店，据说还不错!

小鱼：PPT写不完，可以晚上写，助人为乐让我更快乐。

2、代码实战

在上一篇博文，我们知道了如何给pdf文档添加水印，

而本篇，我们就给pdf去水印

如果不知道如何添加水印，就看这篇：2行Python代码实现给pdf文件添加水印

小 * 丝：你这添加完水印，又去除水印，你这是闹哪样？？

小鱼：我喜欢，我稀罕，我乐意！！

2.1 去除原理

去除方法：

1、用 PyMuPDF 打开 pdf 文件，将 pdf 的每一页都转换为图片 pixmap，

2、pixmap 有它自己的 RGB，只需要将 pdf 水印中的 RGB 改为(255, 255, 255)，并保存图片

3、按照生成的图片，插入到pdf文档中

因为pfd文档无法直接去除水印，需要先将pfd文档转换成图片，在逐一对图片进行水印去除操作，最后在把图片插入到pdf文档中

2.2 代码解析

1、先查看PDF文档中的水印rgb值是多少

可以看到，RGB(179,179,179)，因为这里要的是RGB色值总和，所以我们就认为，超过510，就认为是水印。

敲黑板

• 光学三原色是红绿蓝（RGB），也就是说它们是不可分解的三种基本颜色，其他颜色都可以通过这三种颜色混合而成，三种颜色等比例混合就是白色，没有光就是黑色。

• 在计算机中，可以用三个字节表示 RGB 颜色，1个字节能表示的最大数值是 255， 所以，(255, 0, 0)代表红色，(0, 255, 0)代表绿色，(0, 0, 255)代表蓝色。相应地，(255, 255, 255)代表白色，(0, 0, 0)代表黑色。从(0, 0, 0) ~ (255, 255, 255) 之间的任意组合都可以代表一个不同的颜色。

• 图片每个位置颜色由四元组表示，前三位分别是 RGB，第四位是 Alpha 通道

2、pdf转换成图片，并去除水印

代码示例：

# -*- coding:utf-8 -*-
# @Time   : 2022-02-23
# @Author : carl_DJ

from PIL import Image
from itertools import product
import fitz

# 去除pdf的水印
def remove_pdfwatermark():
   #打开源pfd文件
   pdf_file = fitz.open("跟小鱼学习去水印.pdf")

#page_no 设置为0
   page_no = 0
   #page在pdf文件中遍历
   for page in pdf_file:
       #获取每一页对应的图片pix (pix对象类似于我们上面看到的img对象，可以读取、修改它的 RGB)
       #page.get_pixmap() 这个操作是不可逆的，即能够实现从 PDF 到图片的转换，但修改图片 RGB 后无法应用到 PDF 上，只能输出为图片
       pix = page.get_pixmap()

#遍历图片中的宽和高，如果像素的rgb值总和大于510，就认为是水印，转换成255，255,255-->即白色
       for pos in product(range(pix.width), range(pix.height)):
           if sum(pix.pixel(pos[0], pos[1])) >= 510:
               pix.set_pixel(pos[0], pos[1], (255, 255, 255))
       #保存去掉水印的截图
       pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
       #打印结果
       print(f'第 {page_no} 页去除完成')

page_no += 1

if __name__ == '__main__':
   remove_pdfwatermark()

执行完成，

查看生成图片：

查看图片内容：

3、图片转为pdf

代码示例：

# -*- coding:utf-8 -*-
# @Time   : 2022-02-23
# @Author : carl_DJ

from PIL import Image
from itertools import product
import fitz

''' 图片转为pdf'''
#图片所在的文件夹
pic_dir = 'D:\Project\watemark'

pdf = fitz.open()
#图片数字文件先转换成int类型进行排序
img_files = sorted(os.listdir(pic_dir), key=lambda x: int(str(x).split('.')[0]))
for img in img_files:
   print(img)
   imgdoc = fitz.open(pic_dir + '/' + img)
   #将打开后的图片转成单页pdf
   pdfbytes = imgdoc.convertToPDF()
   imgpdf = fitz.open("pdf", pdfbytes)
   #将单页pdf插入到新的pdf文档中
   pdf.insertPDF(imgpdf)
pdf.save("跟小鱼学习去水印_完成.pdf")
pdf.close()

执行代码，

查看生成的pdf文档

2.3 代码整合

上面的内容都了解以后，我们就整合代码，直接运行就可以了。

# -*- coding:utf-8 -*-
# @Time   : 2022-02-23
# @Author : carl_DJ

from PIL import Image
from itertools import product
import fitz

# 去除pdf的水印
def remove_pdfwatermark():
   #打开源pfd文件
   pdf_file = fitz.open("跟小鱼学习去水印.pdf")

#page_no 设置为0
   page_no = 0
   #page在pdf文件中遍历
   for page in pdf_file:
       #获取每一页对应的图片pix (pix对象类似于我们上面看到的img对象，可以读取、修改它的 RGB)
       #page.get_pixmap() 这个操作是不可逆的，即能够实现从 PDF 到图片的转换，但修改图片 RGB 后无法应用到 PDF 上，只能输出为图片
       pix = page.get_pixmap()

#遍历图片中的宽和高，如果像素的rgb值总和大于510，就认为是水印，转换成255，255,255-->即白色
       for pos in product(range(pix.width), range(pix.height)):
           if sum(pix.pixel(pos[0], pos[1])) >= 510:
               pix.set_pixel(pos[0], pos[1], (255, 255, 255))
       #保存去掉水印的截图
       pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
       #打印结果
       print(f'第 {page_no} 页去除完成')

page_no += 1

#去除的pdf水印添加到pdf文件中
def pictopdf():
#水印截图所在的文件夹
   # pic_dir = input("请输入图片文件夹路径：")
pic_dir = 'D:\Project\watemark'

pdf = fitz.open()
#图片数字文件先转换成int类型进行排序
img_files = sorted(os.listdir(pic_dir), key=lambda x: int(str(x).split('.')[0]))
for img in img_files:
   print(img)
   imgdoc = fitz.open(pic_dir + '/' + img)
   #将打开后的图片转成单页pdf
   pdfbytes = imgdoc.convertToPDF()
   imgpdf = fitz.open("pdf", pdfbytes)
   #将单页pdf插入到新的pdf文档中
   pdf.insertPDF(imgpdf)
pdf.save("跟小鱼学习去水印_完成.pdf")
pdf.close()

if __name__ == '__main__':
   remove_pdfwatermark()
   pictopdf()

3、总结

写到这里，今天的分享就差不多快结束了。

需要理解的流程是，

1.pdf文档需要先转换成图片，进行水印去除，

2.再转换成pdf

3.最后插入到新的pdf文档中。

来源：https://blog.csdn.net/wuyoudeyuer/article/details/123084385