十行Python3代碼實現(xiàn)去除pdf文件水印
1、引言
小屌絲：魚哥，最近有點不像話了。
小魚：嗯？？ 啥個意思嘛~
小屌絲：一周了，沒分享小知識了。
小魚：就因為這個？？
小屌絲：那是，我這么愛學習的人。
小魚：怕是你有什么事情解決不了，想到我了吧？
小屌絲：呵 ~ 笑話 ~ 我 能有…什…么…事情…
小魚：說吧，
小屌絲：這可是你讓我說的，我可沒主動要問的！
小魚：說吧，咋還磨磨唧唧了呢
小屌絲：我在某站下載的pfd文檔，有水印，如何去掉啊？
小魚：我突然想起來，PPT還沒寫完。
小屌絲：我家樓下剛開一個燒烤店，據(jù)說還不錯!
小魚：PPT寫不完，可以晚上寫，助人為樂讓我更快樂。
2、代碼實戰(zhàn)
在上一篇博文，我們知道了如何給pdf文檔添加水印，
而本篇，我們就給pdf去水印
如果不知道如何添加水印，就看這篇：2行Python代碼實現(xiàn)給pdf文件添加水印
小屌絲：你這添加完水印，又去除水印，你這是鬧哪樣？？
小魚：我喜歡，我稀罕，我樂意??！
2.1 去除原理
去除方法：
1、用 PyMuPDF 打開 pdf 文件，將 pdf 的每一頁都轉換為圖片 pixmap，
2、pixmap 有它自己的 RGB，只需要將 pdf 水印中的 RGB 改為(255, 255, 255)，并保存圖片
3、按照生成的圖片，插入到pdf文檔中
因為pfd文檔無法直接去除水印，需要先將pfd文檔轉換成圖片，在逐一對圖片進行水印去除操作，最后在把圖片插入到pdf文檔中
2.2 代碼解析
1、先查看PDF文檔中的水印rgb值是多少
可以看到，RGB(179,179,179)，因為這里要的是RGB色值總和，所以我們就認為，超過510，就認為是水印。
敲黑板
- 光學三原色是紅綠藍（RGB），也就是說它們是不可分解的三種基本顏色，其他顏色都可以通過這三種顏色混合而成，三種顏色等比例混合就是白色，沒有光就是黑色。
- 在計算機中，可以用三個字節(jié)表示 RGB 顏色，1個字節(jié)能表示的最大數(shù)值是 255， 所以，(255, 0, 0)代表紅色，(0, 255, 0)代表綠色，(0, 0, 255)代表藍色。相應地，(255, 255, 255)代表白色，(0, 0, 0)代表黑色。從(0, 0, 0) ~ (255, 255, 255) 之間的任意組合都可以代表一個不同的顏色。
- 圖片每個位置顏色由四元組表示，前三位分別是 RGB，第四位是 Alpha 通道
2、pdf轉換成圖片，并去除水印
代碼示例：
# -*- 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():
#打開源pfd文件
pdf_file = fitz.open("跟小魚學習去水印.pdf")
#page_no 設置為0
page_no = 0
#page在pdf文件中遍歷
for page in pdf_file:
#獲取每一頁對應的圖片pix (pix對象類似于我們上面看到的img對象，可以讀取、修改它的 RGB)
#page.get_pixmap() 這個操作是不可逆的，即能夠實現(xiàn)從 PDF 到圖片的轉換，但修改圖片 RGB 后無法應用到 PDF 上，只能輸出為圖片
pix = page.get_pixmap()
#遍歷圖片中的寬和高，如果像素的rgb值總和大于510，就認為是水印，轉換成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))
#保存去掉水印的截圖
pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
#打印結果
print(f'第 {page_no} 頁去除完成')
page_no += 1
if __name__ == '__main__':
remove_pdfwatermark()執(zhí)行完成，
查看生成圖片：
查看圖片內容：
3、圖片轉為pdf
代碼示例：
# -*- coding:utf-8 -*-
# @Time : 2022-02-23
# @Author : carl_DJ
from PIL import Image
from itertools import product
import fitz
''' 圖片轉為pdf'''
#圖片所在的文件夾
pic_dir = 'D:\Project\watemark'
pdf = fitz.open()
#圖片數(shù)字文件先轉換成int類型進行排序
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)
#將打開后的圖片轉成單頁pdf
pdfbytes = imgdoc.convertToPDF()
imgpdf = fitz.open("pdf", pdfbytes)
#將單頁pdf插入到新的pdf文檔中
pdf.insertPDF(imgpdf)
pdf.save("跟小魚學習去水印_完成.pdf")
pdf.close()執(zhí)行代碼，
查看生成的pdf文檔
2.3 代碼整合
上面的內容都了解以后，我們就整合代碼，直接運行就可以了。
# -*- 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():
#打開源pfd文件
pdf_file = fitz.open("跟小魚學習去水印.pdf")
#page_no 設置為0
page_no = 0
#page在pdf文件中遍歷
for page in pdf_file:
#獲取每一頁對應的圖片pix (pix對象類似于我們上面看到的img對象，可以讀取、修改它的 RGB)
#page.get_pixmap() 這個操作是不可逆的，即能夠實現(xiàn)從 PDF 到圖片的轉換，但修改圖片 RGB 后無法應用到 PDF 上，只能輸出為圖片
pix = page.get_pixmap()
#遍歷圖片中的寬和高，如果像素的rgb值總和大于510，就認為是水印，轉換成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))
#保存去掉水印的截圖
pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
#打印結果
print(f'第 {page_no} 頁去除完成')
page_no += 1
#去除的pdf水印添加到pdf文件中
def pictopdf():
#水印截圖所在的文件夾
# pic_dir = input("請輸入圖片文件夾路徑：")
pic_dir = 'D:\Project\watemark'
pdf = fitz.open()
#圖片數(shù)字文件先轉換成int類型進行排序
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)
#將打開后的圖片轉成單頁pdf
pdfbytes = imgdoc.convertToPDF()
imgpdf = fitz.open("pdf", pdfbytes)
#將單頁pdf插入到新的pdf文檔中
pdf.insertPDF(imgpdf)
pdf.save("跟小魚學習去水印_完成.pdf")
pdf.close()
if __name__ == '__main__':
remove_pdfwatermark()
pictopdf()3、總結
寫到這里，今天的分享就差不多快結束了。
需要理解的流程是，
1.pdf文檔需要先轉換成圖片，進行水印去除，
2.再轉換成pdf
3.最后插入到新的pdf文檔中。
到此這篇關于十行Python3代碼實現(xiàn)去除pdf文件水印的文章就介紹到這了,更多相關Python3去除pdf水印內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文章向大家介紹flask工廠模式，主要包括flask工廠模式使用實例、應用技巧、基本知識點總結和需要注意事項，具有一定的參考價值，需要的朋友可以參考一下2021-11-11
sqlparse?是一個?Python?第三方庫,專門用于解析和格式化?SQL?語句,它提供了強大的?SQL?解析功能,下面小編就來為大家詳細介紹一下它的具體使用吧2025-02-02
python人工智能tensorflow常用激活函數(shù)Activation?Functions
這篇文章主要為大家介紹了python人工智能tensorflow常用激活函數(shù)Activation?Functions的匯總介紹，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05
這篇文章主要為大家解析了python select.select模塊通信全過程，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-09-09
詳解python函數(shù)的閉包問題（內部函數(shù)與外部函數(shù)詳述）
這篇文章主要介紹了python函數(shù)的閉包問題，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
Python數(shù)學建模庫StatsModels統(tǒng)計回歸簡介初識
這篇文章主要為大家介紹了Python數(shù)學建模庫StatsModels統(tǒng)計回歸的基本概念，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝打擊多多進步2021-10-10
今天小編就為大家分享一篇Python運行不顯示DOS窗口的解決方法，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2018-10-10
這篇文章主要介紹了Python的語言元素和分支循環(huán)結構，本文通過實例代碼給大家介紹的非常詳細，具有一定的參考借鑒價值,需要的朋友可以參考下2021-10-10
這篇文章主要介紹了Python中的time模塊和calendar模塊，在Python中對時間和日期的處理方式有很多，其中轉換日期是最常見的一個功能。Python中的時間間隔是以秒為單位的浮點小數(shù)。下面來看看文章具體內容的介紹,需要的朋友可以參考一下，希望對你有所幫助2021-11-11
Python使用Beautiful Soup包編寫爬蟲時的一些關鍵點
這篇文章主要介紹了Python使用Beautiful Soup包編寫爬蟲時的一些關鍵點,文中講到了parent屬性的使用以及soup的編碼問題,需要的朋友可以參考下2016-01-01