10行代码给pdf文件去水印
- 1、引言
- 2、代码实战
- 2.1 去除原理
- 2.2 代码解析
- 2.3 代码整合
- 3、总结
1、引言
小屌丝：鱼哥，最近有点不像话了。
小鱼：嗯？？ 啥个意思嘛~
小屌丝：一周了，没分享小知识了。
小鱼：就因为这个？？
小屌丝：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？
小屌丝：呵 ~ 笑话 ~ 我 能有…什…么…事情…
小鱼：说吧，
小屌丝：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
小屌丝：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。
小屌丝：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：《Python3，2段代码，给pdf文件添加水印，原来watermark还可以这么玩。》
小屌丝：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，
- pdf文档需要先转换成图片，进行水印去除，
- 再转换成pdf
- 最后插入到新的pdf文档中。
关于图片及pdf如何添加水印，可以参照小鱼的这两篇博文：
- 《Python3，2行代码添加水印》
- 《Python3，2段代码，给pdf文件添加水印》
关注小鱼博客，带你了解更多更有趣python知识。