Python实现为PDF大文件批量去除水印
作者:力语 发布时间:2023-04-14 19:59:04
导入
在阅读过程中如果遇到一些带有水印的资料是比较烦心的,如下图所示,水印以及类似的内容会影响我们的阅读体验,而市面上去水印的功能有多要收费且很不方便,那么,如何通过Python来对这类图片水印进行去除呢?
适用场景:本教程适合批量去除文件量较大的PDF文档内的图片水印。
使用软件:Python
;
需安装第三方库:PIL
,fitz
,pymupdf
pip install PIL
pip install fitz
pip install pymupdf
不说废话,先把代码贴在前面。
from PIL import Image
import fitz
import os
def replace_color(img_path):
new_color = (255, 255, 255, 255)
for filename in os.listdir(img_path):
image = Image.open(os.path.join(img_path, filename))
new_pixels = [new_color if pixel == (220,220,220) else pixel for pixel in image.getdata()]
new_image = Image.new(image.mode, image.size)
new_image.putdata(new_pixels)
new_image.save(os.path.join(img_path, filename))
def convert_pdf_to_images(img_path,doc):
for i, page in enumerate(doc):
pix = page.getPixmap(matrix=fitz.Matrix(2, 2))
img_output_path = os.path.join(img_path, f"{i+1:04d}.jpg")
pix.writePNG(img_output_path)
def creat_file(img_path):
if not os.path.exists(img_path):
os.makedirs(img_path)
else:
for root, dirs, files in os.walk(img_path, topdown=False):
for name in files:
os.remove(os.path.join(root, name))
for name in dirs:
os.rmdir(os.path.join(root, name))
def convert_images_to_pdf(img_path, output_path):
image_list = []
for filename in os.listdir(img_path):
image_list.append(Image.open(os.path.join(img_path, filename)))
image_list[0].save(output_path, save_all=True, append_images=image_list[1:])
def delete_watermark(file_path):
folder_path = os.path.dirname(file_path)
file_name = os.path.basename(file_path)
output_path = os.path.join(folder_path, 'new_'+file_name)
img_path = os.path.join(folder_path, f"img_{os.path.splitext(file_name)[0]}")
creat_file(img_path)
convert_pdf_to_images(img_path, doc=fitz.open(file_path))
replace_color(img_path)
convert_images_to_pdf(img_path, output_path)
if __name__ == "__main__":
delete_watermark('E:\...\example.pdf')
正文
为了不影响阅读体验,一般水印都是由灰色或红色等与正文内容明显不同的颜色构成的。因此,要去除此类水印只需要判断出它是哪种颜色,然后将此颜色替换为背景色即可。
以上面图片中的水印为例,我们通过对水印部分进行取色可以看到,水印的 RGB 值为 (128, 130, 133),背景色为白色( RGB为 (255, 255, 255) ),那么我们只需要将 RGB 值为 (128, 130, 133) 的像素值替换为 (255, 255, 255) 即可实现图像水印的去除。
博主使用的取色工具为 Snipaste,也可以用 PS 等其它工具对水印取色。
首先需要将 PDF 中的一页信息提取出来,我们使用的是 fitz 库。
# 将 PDF 文件分解为图片
def convert_pdf_to_images(img_path,doc)
for i, page in enumerate(doc):
pix = page.getPixmap(matrix=fitz.Matrix(2, 2))
img_output_path = os.path.join(img_path, f"{i+1}.jpg")
pix.writePNG(img_output_path)
然后再对图片中的特定颜色进行替换
def replace_color(pixel, old_color, new_color):
if pixel in old_color:
return new_color
else:
return pixel
old_color = (128, 130, 133)
new_color = (255, 255, 255)
# 遍历输入文件夹中的所有.jpg文件并进行颜色替换
for filename in os.listdir(input_folder):
if filename.endswith('.jpg') or filename.endswith('.png'):
# 打开图片并获取像素数据
image = Image.open(os.path.join(input_folder, filename))
pixels = list(image.getdata())
# 遍历像素数据并进行颜色替换
new_pixels = [replace_color(pixel, old_color, new_color) for pixel in pixels]
# 将修改后的像素数据保存到新文件夹中
new_image = Image.new(image.mode, image.size)
new_image.putdata(new_pixels)
new_image.save(os.path.join(output_folder, filename))
最后再将图片拼接起来则得到去水印后的 PDF
def convert_images_to_pdf(img_path, output_path):
image_list = []
for filename in sorted(os.listdir(img_path), key=lambda x: int(x.split('.')[0])):
image_list.append(Image.open(os.path.join(img_path, filename)))
image_list[0].save(output_path, save_all=True, append_images=image_list[1:])
将以上三个步骤合并,即可得到我们的最终代码
from PIL import Image
import fitz
import os
def replace_color(img_path):
new_color = (255, 255, 255, 255)
for filename in os.listdir(img_path):
image = Image.open(os.path.join(img_path, filename))
new_pixels = [new_color if pixel == (220,220,220) else pixel for pixel in image.getdata()]
new_image = Image.new(image.mode, image.size)
new_image.putdata(new_pixels)
new_image.save(os.path.join(img_path, filename))
def convert_pdf_to_images(img_path,doc):
for i, page in enumerate(doc):
pix = page.getPixmap(matrix=fitz.Matrix(2, 2))
img_output_path = os.path.join(img_path, f"{i+1:04d}.jpg")
pix.writePNG(img_output_path)
def creat_file(img_path):
if not os.path.exists(img_path):
os.makedirs(img_path)
else:
for root, dirs, files in os.walk(img_path, topdown=False):
for name in files:
os.remove(os.path.join(root, name))
for name in dirs:
os.rmdir(os.path.join(root, name))
def convert_images_to_pdf(img_path, output_path):
image_list = []
for filename in os.listdir(img_path):
image_list.append(Image.open(os.path.join(img_path, filename)))
image_list[0].save(output_path, save_all=True, append_images=image_list[1:])
def delete_watermark(file_path):
folder_path = os.path.dirname(file_path)
file_name = os.path.basename(file_path)
output_path = os.path.join(folder_path, 'new_'+file_name)
img_path = os.path.join(folder_path, f"img_{os.path.splitext(file_name)[0]}")
creat_file(img_path)
convert_pdf_to_images(img_path, doc=fitz.open(file_path))
replace_color(img_path)
convert_images_to_pdf(img_path, output_path)
if __name__ == "__main__":
delete_watermark('E:\...\example.pdf')
只需要对水印和背景进行取色,然后更改相应代码即可实现全自动 Python 去水印功能。
由于水印颜色并不总是某一个RGB值,而是一个范围,所以也可以使用 218<pixel[0]<244 and 218<pixel[1]<244 and 218<pixel[2]<244:
替换 pixel == (220,220,220)
。
上述程序在运行过程中会根据文件名,产生一个"img_[文件名]"文件夹用于存放图片,以及产生一个去除水印后的"new_[文件名].pdf"文件。
若不需要查看单张图片的效果,也可以直接运行如下代码,在等待一段时间后会直接生成去除水印后的 PDF。
import fitz
with fitz.open('example.pdf') as doc:
for page in doc:
pix = page.getPixmap(matrix=fitz.Matrix(2, 2))
pix = pix.applyFunction(lambda r,g,b: (255, 255, 255) if (r,g,b) == (220, 220, 220) else (r,g,b))
new_page = fitz.new_page(width=pix.width, height=pix.height)
new_page.insert_image(fitz.Rect(0, 0, pix.width, pix.height), pixmap=pix)
new_doc.save("new_example.pdf")
不过该方法生成的 PDF 文件会远大于原始文件,若是介意这点可继续用前一种方法。关于为什么该方法生成的文件变大这点,笔者目前也不清楚,如果有知道原因的朋友可以留下评论。
对于特别大的文件,可能导致 MemoryError,这时可以尝试先将图片分组,每组图片生成 pdf 文件后,再将多个 pdf 文件合并。
from PyPDF2 import PdfFileMerger
def convert_images_to_pdf2(img_path, pdf_path, output_path, num_group=10):
image_list = []
creat_file(pdf_path)
pdf_file = []
for i, filename in enumerate(os.listdir(img_path)):
img = Image.open(os.path.join(img_path, filename))
image_list.append(img)
if (i + 1) % num_group == 0:
split_pdf_path = os.path.join(pdf_path, f"{len(pdf_file)+1:04d}.pdf")
image_list[0].save(split_pdf_path, save_all=True, append_images=image_list[1:])
pdf_file.append(split_pdf_path)
image_list = []
pdfs = [os.path.join(pdf_path, f) for f in os.listdir(pdf_path)]
merger = PdfFileMerger()
for pdf in pdfs:
merger.append(pdf)
merger.write(os.path.join(pdf_path, output_path))
merger.close()
来源:https://blog.csdn.net/woaiwulima/article/details/130737111
猜你喜欢
- 本文实例为大家分享了wxPython电子表格功能的具体代码,供大家参考,具体内容如下#!/usr/bin/env python#encodi
- 前言:在搭建开始前,我们先来梳理下web服务工作流程,先看下图:1、用户(PC)向web服务器发起http请求2、web服务器判断用户请求文
- function checkPhoto(fnUpload) { var filename = fnUpload.value; alert(f
- 这篇文章给大家介绍Django中使用 Closure Table 储存无限分级数据,具体内容如下所述:起步对于数据量大的情况(比如用户之间有
- 前言异步编程可以提高应用程序的性能和吞吐量,因为它可以充分利用 CPU 和 I/O 资源。当某个任务被阻塞时,事件循环可以切换到另一个任务,
- TensorBoard是用于可视化图形和其他工具以理解、调试和优化模型的界面。它是一种为机器学习工作流提供测量和可视化的工具。它有助于跟踪损
- 函数声明为:func Replace(s, old, new string, n int) string官方描述为:返回将s中前n个不重叠o
- 我们都知道 Python 中else的基本用法是在条件控制语句中的 if...elif...else...,但是 else 还有两个其它的用
- 程序还不是很精简,以后再修改,程序所用的数据库为-- “冯志宏”-- 所写的--“追捕”--软件中所带IP数据库和“国华软件 Guohua
- 一、前言:当数据库服务器建立好以后,我们首先要做的不是考虑要在这个支持数据库的服务器运行哪些受MySQL提携的程序,而是当数据库遭到破坏后,
- 一、集中式vs分布式1.Subversion属于集中式的版本控制系统集中式的版本控制系统都有一个单一的集中管理的服务器,保存所有文件的修订版
- 目录一、socketserver实现并发二、验证客户端合法性一、socketserver实现并发tcp协议的socket是只能和一个客户端通
- 前言我想大家都玩过诺基亚上面的贪吃蛇吧,本文将带你一步步用python语言实现一个snake小游戏。基本环境配置版本:Python3系统:W
- 系统支持的语言是有类:Language表示;多语言资源对应的类为:LocalizedProperty;当先选择某种语言存储在类中:Gener
- 大家好,欢迎大家来到算法数据结构专题,今天我们和大家聊一个非常常用的算法,叫做LRU。LRU的英文全称是Least Recently Use
- 前言本文参考了以下代码Windows系统环境下Python脚本实现全局“划词复制”功能from py
- python flask搭建web应用教程1.flask介绍2.所需工具和环境3.搭建flaskApp4.具体程序编写5.综上1.flask
- 今天彬Go要向大家推荐9款很棒的可在网页中绘制图表的JavaScript脚本,这些有趣的JS脚本可以帮助你快速方便的绘制图表(线、面、饼、条
- 最近微信登录开放公测,为了方便微信用户使用,我们的产品也决定加上微信登录功能,然后就有了这篇笔记。根据需求选择相应的登录方式python实现
- 在安装SQL Server 2000 ,安装进程自动地为“BUILTIN\Administrators&rdqu