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：

控制流图（CFG）

代码原理

程序运行效果

作者：Humbunklung