在工作和学习中，PDF 文件是我们常常会接触到的一种文档格式。尽管它稳定、通用，但有时我们会遇到一些烦人的水印，影响阅读体验，或者需要处理的 PDF 文件太大，不方便分享。那么有没有简单的方法，能够很方便的去除PDF文件中的水印呢？答案是：有！今天，我们将带你了解如何使用 Python 和 PyMuPDF 库来解决这些问题。
实现思路
我们的主要目标有两个：
去除水印：遍历 PDF 的每个页面，将水印像素转变为白色。
压缩 PDF 文件：保持图像的分辨率不变，通过调整 JPEG 压缩率生成更小的 PDF 文件。
具体实现分为以下几步：
打开 PDF 文件，提取每一页作为图像。
遍历图像的每个像素，将PDF水印中的RGB改为 (255, 255, 255) 即白色。
保存去除水印后的图像，并使用 JPEG 压缩。
将处理后的图像重新组合成 PDF 文件，并启用 PDF 内置压缩。
本例中我们下载到一篇带水印的文献，
先查看一下文档中水印的RGB值，可以使用微信的截图工具很方便的查看，如本例中的是(232, 232, 232)，因为我们需要的是RGB值的总和，所以我们就认为大于660的为水印。
核心代码解析
以下是核心代码，展示如何去除 PDF 水印并生成体积较小的 PDF 文件：
import fitz # PyMuPDF
from itertools import product
import os
def remove_watermark_from_page(page, zoom=12.0):
mat = fitz.Matrix(zoom, zoom)
pix = page.get_pixmap(matrix=mat, alpha=False) # alpha=False 以减少内存占用
for pos in product(range(pix.width), range(pix.height)):
if sum(pix.pixel(pos[0], pos[1])) >= 660: # 调整阈值
pix.set_pixel(pos[0], pos[1], (255, 255, 255)) # 设置为白色
return pix
def remove_pdf_watermark(input_pdf, output_dir, zoom=12.0):
try:
os.makedirs(output_dir, exist_ok=True)
pdf_file = fitz.open(input_pdf)
for page_no in range(len(pdf_file)):
page = pdf_file[page_no]
pix = remove_watermark_from_page(page, zoom=zoom)
output_image_path = os.path.join(output_dir, f"{page_no}.jpg")
# 使用高压缩率保存 JPEG 图像
pix.save(output_image_path, "jpeg", quality=75) # quality 参数控制 JPEG 压缩率
print(f'第 {page_no} 页处理并保存为 {output_image_path}')
pdf_file.close()
except Exception as e:
print(f"去水印过程中出错: {e}")
def images_to_pdf(images_dir, output_pdf):
try:
pdf = fitz.open()
img_files = sorted(os.listdir(images_dir), key=lambda x: int(x.split('.')[0]))
for img in img_files:
img_path = os.path.join(images_dir, img)
img_pix = fitz.Pixmap(img_path)
# 创建与图像大小匹配的新页面
pdf_page = pdf.new_page(width=img_pix.width, height=img_pix.height)
# 将图像插入到 PDF 页面中
pdf_page.insert_image(pdf_page.rect, pixmap=img_pix, keep_proportion=True)
print(f"{img} 已添加到 PDF。")
pdf.save(output_pdf, deflate=True) # 使用 deflate 压缩
pdf.close()
print(f"PDF 已成功创建: {output_pdf}")
except Exception as e:
print(f"创建 PDF 时出错: {e}")
if __name__ == '__main__':
input_pdf = "test.pdf"
output_dir = "./watermark_removed_images"
output_pdf = "result_no_watermark.pdf"
remove_pdf_watermark(input_pdf, output_dir, zoom=12.0)
images_to_pdf(output_dir, output_pdf)
运行后，watermark_removed_images文件夹中是去除水印后的图像，result_no_watermark.pdf为去除水印后的PDF文件。下图为去掉水印的效果，可以看到水印已经去除的非常干净，也保持了高清晰度。
功能亮点
保持高分辨率：在处理时保持 PDF 的图像的高分辨率，代码中通过
zoom=12.0设置图像的dpi=1200，确保文档质量不会因为水印去除而受损。实际使用时可以根据需要调整该值。灵活压缩：利用 JPEG 压缩算法，通过调整压缩率来实现文件体积的控制，通常
quality=75是一个较为理想的数值，既保持了图像质量，又有效减小了文件体积。内置压缩：利用 PyMuPDF 的
deflate压缩功能，进一步优化生成的 PDF 文件大小。
总结
通过使用 Python 和 PyMuPDF，我们可以轻松去除 PDF 文件中的水印，并生成体积较小的高质量 PDF 文件。这种方法适合处理需要去水印且对文件大小敏感的场景，比如上传限制或文件传输要求。希望本教程能够帮助到你在日常工作中更好地处理 PDF 文档！
如果你觉得这篇文章有帮助，欢迎点赞并分享给更多有需要的小伙伴~
▼
