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。
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。
网上很多和我类似的原理去水印，但是都是先pdf转化为图片存起来，然后图片去水印之后，然后把图片拼接成pdf。
而我就不需要中间步骤，我是直接输入pdf文件，输出pdf文件。
Image
pip install pillow
fitz
pip install PyMuPDF
程序处理pdf需要的时间比较久(因为处理的是像素点)，可以先用页数少的pdf进行测试之后再去页数比较多的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) # 打开pdf目录
pdf_img = fitz.open() # 打开空文件，用来存图片pdf
for page_inf in pdf:
definition = 3 # 清晰度，感觉输出的pdf不够清晰，可以调大，调大，文件大小也会变大
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: # 这里的600你需要根据自己的水印的颜色进行更改。
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") # 处理好的pdf存入了output目录下
pdf_img.save("output/去水印pdf_" + os.path.basename(pdf_path))
def group_pdf_clearwater(path_array: list[str]):
print("************去水印时间比较久***********")
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]: # 一个文件夹里面有多少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), "个pdf文件")
return file_list
if __name__ == '__main__':
time_start = time.time()
path_list = folder_pdf_files("pdf的目录")
group_pdf_clearwater(path_list)
time_end = time.time()
print("程序运行时间：", round(time_end - time_start, 2), "秒")
虽然最后实现了，但是有限制。
为了去除保存图片后取图片的中间步骤，我查阅了很多的文献和资料，后面发现只有我最不想看的英文文档才找到了问题的答案。我就感觉，比较偏的点，只有英文文献才有。
因为限制，我在想是不是可以和python-普通pdf的添加水印的逆向思维进行操作，就是把水印图层直接取出来。
如果处理的pdf文件比较多，并且页数很多，程序运行就要很久，我都感觉像深度学习了。
