如何使用python找到并删除pdf中的水印？

Question

我目前正在使用python删除PDF文件中的水印。例如，我有一个这样的文件：

​

页面中央的绿色形状是水印。我认为它不是以文本形式存储在PDF中的，因为我通过使用边缘浏览器(它可以读取PDF文件)搜索无法找到该文本。此外，我无法通过图像找到水印。我使用PyMuPDF从PDF中提取所有图像，水印(应该出现在每一页上)是找不到的。

我用于提取的代码如下：

        document = fitz.open(self.input)
        for each_page in document:
            image_list = each_page.getImageList()
            for image_info in image_list:
                pix = fitz.Pixmap(document, image_info[0])
                png = pix.tobytes()  # return picture in png format
                if png == watermark_image:
                    document._deleteObject(image_info[0])
        document.save(out_filename)

那么，如何使用python的库查找和删除水印呢？如何将水印存储在PDF中？

除了PyMuPDF，还有其他“魔法”库可以完成这个任务吗？

Answer 1

对于任何对细节感兴趣的人，请参阅提供的解决方案这里。删除在此文件中使用的水印类型与PyMuPDF的低级代码接口一起工作。没有直接的，专门的高级API来做这件事.