十行Python3程式碼實現去除pdf檔案水印

2022-02-23 19:02:01

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：一週了，沒分享小知識了。

小魚：就因為這個？？

小屌絲：那是，我這麼愛學習的人。

小魚：怕是你有什麼事情解決不了，想到我了吧？

小屌絲：呵 ~ 笑話 ~ 我能有…什…麼…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檔案，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、程式碼實戰

在上一篇博文，我們知道了如何給pdf檔案新增水印，

而本篇，我們就給pdf去水印

如果不知道如何新增水印，就看這篇：2行Python程式碼實現給pdf檔案新增水印

小屌絲：你這新增完水印，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 開啟 pdf 檔案，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)，並儲存圖片

3、按照生成的圖片，插入到pdf檔案中

因為pfd檔案無法直接去除水印，需要先將pfd檔案轉換成圖片，在逐一對圖片進行水印去除操作，最後在把圖片插入到pdf檔案中

2.2 程式碼解析

1、先檢視PDF檔案中的水印rgb值是多少

可以看到，RGB(179,179,179)，因為這裡要的是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，可以用三個位元組表示 RGB 顏色，1個位元組能表示的最大數值是 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，並去除水印

程式碼範例：

# -*- 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():
    #開啟源pfd檔案
    pdf_file = fitz.open("跟小魚學習去水印.pdf")

    #page_no 設定為0
    page_no = 0
    #page在pdf檔案中遍歷
    for page in pdf_file:
        #獲取每一頁對應的圖片pix (pix物件類似於我們上面看到的img物件，可以讀取、修改它的 RGB)
        #page.get_pixmap() 這個操作是不可逆的，即能夠實現從 PDF 到圖片的轉換，但修改圖片 RGB 後無法應用到 PDF 上，只能輸出為圖片
        pix = page.get_pixmap()

        #遍歷圖片中的寬和高，如果畫素的rgb值總和大於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))
        #儲存去掉水印的截圖
        pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
        #列印結果
        print(f'第 {page_no} 頁去除完成')

        page_no += 1

if __name__ == '__main__':
    remove_pdfwatermark()

執行完成，

檢視生成圖片：

檢檢視片內容：

3、圖片轉為pdf

程式碼範例：

# -*- 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'''
#圖片所在的資料夾
pic_dir = 'D:Projectwatemark'

pdf = fitz.open()
#圖片數位檔案先轉換成int型別進行排序
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)
    #將開啟後的圖片轉成單頁pdf
    pdfbytes = imgdoc.convertToPDF()
    imgpdf = fitz.open("pdf", pdfbytes)
    #將單頁pdf插入到新的pdf檔案中
    pdf.insertPDF(imgpdf)
pdf.save("跟小魚學習去水印_完成.pdf")
pdf.close()

執行程式碼，

檢視生成的pdf檔案

2.3 程式碼整合

上面的內容都瞭解以後，我們就整合程式碼，直接執行就可以了。

# -*- 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():
    #開啟源pfd檔案
    pdf_file = fitz.open("跟小魚學習去水印.pdf")

    #page_no 設定為0
    page_no = 0
    #page在pdf檔案中遍歷
    for page in pdf_file:
        #獲取每一頁對應的圖片pix (pix物件類似於我們上面看到的img物件，可以讀取、修改它的 RGB)
        #page.get_pixmap() 這個操作是不可逆的，即能夠實現從 PDF 到圖片的轉換，但修改圖片 RGB 後無法應用到 PDF 上，只能輸出為圖片
        pix = page.get_pixmap()

        #遍歷圖片中的寬和高，如果畫素的rgb值總和大於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))
        #儲存去掉水印的截圖
        pix.pil_save(f"./{page_no}.png", dpi=(30000, 30000))
        #列印結果
        print(f'第 {page_no} 頁去除完成')

        page_no += 1

#去除的pdf水印新增到pdf檔案中
def pictopdf():
	#水印截圖所在的資料夾
    # pic_dir = input("請輸入圖片資料夾路徑：")
	pic_dir = 'D:Projectwatemark'
	
	pdf = fitz.open()
	#圖片數位檔案先轉換成int型別進行排序
	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)
	    #將開啟後的圖片轉成單頁pdf
	    pdfbytes = imgdoc.convertToPDF()
	    imgpdf = fitz.open("pdf", pdfbytes)
	    #將單頁pdf插入到新的pdf檔案中
	    pdf.insertPDF(imgpdf)
	pdf.save("跟小魚學習去水印_完成.pdf")
	pdf.close()

if __name__ == '__main__':
    remove_pdfwatermark()
    pictopdf()