Python去除PDF文件水印（PyMuPDF包）

前言

• 今天因为工作需求需要清除一份PDF文件上的水印
• 经过查询发现这篇博客但是在使用过程中发现有些方法报错，查阅PyMuPDF包官方文档后发现，因版本更新有很多方法写法发生了变化，导致报错
• 这里我在上述博客基础上对函数进行改进，添加了文件夹新建模块、进度条模块。

去除水印

• 如果没有安装PyMuPDF包请先安装

!pip install PyMuPDF

• 导入必要库

from PIL import Image
from tqdm.notebook import tqdm
from itertools import product
import fitz
import os

• 将PDF转换为PNG图片文件

def remove_pdf(pdf_file, out_file):
    if not os.path.exists(out_file):
        os.mkdir(out_file)
    page_num = 0
    pdf = fitz.open(pdf_file);
    for page in tqdm(pdf):
        pixmap = page.get_pixmap()
        for pos in product(range(pixmap.width), range(pixmap.height)):
            rgb = pixmap.pixel(pos[0], pos[1])
            if(sum(rgb) > 620):
                pixmap.set_pixel(pos[0], pos[1], (255, 255, 255))
        pixmap.pil_save(os.path.join(out_file, '%d.png'%page_num))
        page_num = page_num + 1

• 将图片文件重新合并为PDF文件

def pic2pdf(pic_dir):
    pdf = fitz.open()
    img_files = sorted(os.listdir(pic_dir),key=lambda x:int(str(x).split('.')[0]))
    for img in tqdm(img_files):
        imgdoc = fitz.open(pic_dir + '/' + img)  
        pdfbytes = imgdoc.convert_to_pdf()
        imgpdf = fitz.open("pdf", pdfbytes)
        pdf.insert_pdf(imgpdf)
    pdf.save("demo.pdf")
    pdf.close()

• 调用函数

pdf_file = '../input/pdfcheck/CET4.pdf'
out_file = './temp'
remove_pdf(pdf_file, out_file)

pic2pdf(out_file)

• 效果展示
  

后记

• 有个小问题就是再对彩色PDF进行转换时，对图像质量可能会有影响，这个我也不清楚怎么调节一下，建议先用PDF软件把PDF转换为图片后再进行水印去除，对应的图片去水印函数如下：

def remove_img(in_file, out_file):
    if not os.path.exists(out_file):
        os.mkdir(out_file)
    count = 0
    img_files = sorted(os.listdir(in_file),key=lambda x:int((str(x).split('_')[1]).split('.')[0]))
    for image_file in tqdm(img_files):
        img = Image.open(os.path.join(in_file, image_file))
        width, height = img.size
        for pos in product(range(width), range(height)):
            rgb = img.getpixel(pos)[:3]
            if(sum(rgb) >= 620):
                img.putpixel(pos, (255, 255, 255))
        img.save(os.path.join(out_file, '%d.png'%count))
        count = count + 1

• 截止2022年11月20日 13:00代码有效。