Python PyMupdf 去除PDF文档中Watermark标识水印

通过PDF阅读或编辑工具，可在PDF中加入Watermark标识的PDF水印，如下图：

该类水印特点

这类型的水印，会在文件的字节流中出现/Watermark、EMC等标识，那么，我们可以通过改变文件字节内容，清理掉这些水印。

水印去除

安装pymupdf：

pip install --upgrade pymupdf

清理水印代码如下：

"""
移除PDF文件中的水印

参数:
    input_pdf_path (str): 输入PDF文件的路径
    output_pdf_path (str): 输出PDF文件的路径
"""
def remove_pdf_watermark(input_pdf_path, output_pdf_path):
    # 打开PDF文件
    doc = fitz.open(input_pdf_path)
    for page in doc:
        page.clean_contents()  # 清理页面绘图命令
        xref = page.get_contents()[0]   # 获取页面字节流，以xref的形式返回        
        cont0 = doc.xref_stream(xref).decode()  # 将流解码为字符串
        if '/Watermark' in cont0:   # 找到水印标识
            start = cont0.index("/Artifact")    # 获取水印起始位置
            end = cont0.index("EMC", start) # 获取水印结束位置
            cont = cont0[:start] + cont0[end:]  # 替换掉水印
            doc.update_stream(xref, cont.encode())  # 更新流
    doc.save(output_pdf_path, garbage=4)    # 保存修改后的PDF文件        
    doc.close()

代码功能解析

这段代码的功能是移除PDF文件中的水印。具体步骤如下：

• 打开输入的PDF文件。
• 遍历每一页，清理页面绘图命令。
• 获取页面字节流并解码为字符串。
• 检查是否包含水印标识 /Watermark。
• 如果找到水印，定位其起始和结束位置，并替换掉水印内容。
• 更新页面字节流。
• 保存修改后的PDF文件。

控制流图（CFG）

代码原理

• 开始：程序开始执行。
• 打开PDF文件：使用 fitz.open 方法打开输入的PDF文件。
• 遍历每一页：检查是否还有未处理的页面。
• 清理页面绘图命令：调用 page.clean_contents 方法清理页面绘图命令。
• 获取页面字节流并解码：获取页面字节流并将其解码为字符串。
• 是否包含水印标识：检查解码后的字符串中是否包含水印标识 /Watermark。
• 定位水印起始和结束位置：如果找到水印标识，定位其起始和结束位置。
• 替换掉水印内容：将水印部分从字符串中移除。
• 更新页面字节流：将修改后的内容重新编码并更新页面字节流。
• 保存修改后的PDF文件：保存修改后的PDF文件到指定路径。
• 关闭PDF文件：关闭PDF文件。
• 结束：程序结束执行。

程序运行效果