需求
最近有个编辑修改pdf文件的需求:去掉每页等页眉、页脚(里面包含图片)，修改后的文件还得保存为pdf。
初步方案
使用python的库:PyPDF2。发现只有功能：简单的读写、拆分、合并等功能。不能去掉文件的部分内容。
解决过程
- 先拆分pdf为单页pdf文件；
- 将单页pdf转化为png图片；
- 编辑切割png图片；
- png图片转为pdf文件并合并。
实现过程
import sys
import time
from PyPDF2 import PdfFileReader, PdfFileWriter
from PIL import Image as pilImage
from reportlab.lib.pagesizes import portrait
from reportlab.pdfgen import canvas
from wand.image import Image
#=====================
class DelLogo_pdf(object):
def __init__(self):
#原pdf文件名
self.old_pdf_name = "MBC.pdf"
#新pdf文件名
self.new_pdf_name = "new_noLogo.pdf"
#pdf总页数
self.pdf_total_pages = 0
# 图片后缀
self.image_suffix = ".png"
#图片精度
self.resolution = 180
#宽度和高度 1488*2105
#距离图片左边界距离x， 距离图片上边界距离y，裁剪框宽度w，裁剪框高度h
self.gx = 0
self.gy = 120
self.gw = 1488
self.gh = 1600
print("init ok")
def run(self):
#1原pdf文件，按单页，存单页pdf文件，
self.split_pdf(self.old_pdf_name)
print("pdf_total_pages:", self.pdf_total_pages)
#2单页pdf文件，分别转为单个图片
pages = 0
while pages < self.pdf_total_pages:
pdfFileName = "./tmp/"+str(pages)+".pdf"
imageFileName = "./tmp/"+str(pages)+self.image_suffix
self.pdf_to_image(pdfFileName, imageFileName, self.resolution)
pages += 1
#3图片切去logo, 并保存为新图片
pages = 0
while pages < self.pdf_total_pages:
oldImageName = "./tmp/"+str(pages)+self.image_suffix
newImageName = "./tmp/"+str(pages)+"_new"+self.image_suffix
self.del_image_logo(oldImageName, newImageName, self.gx,self.gy,self.gw,self.gh)
pages += 1
#4、单个新图片，转为单页pdf
pages = 0
while pages < self.pdf_total_pages:
pdfName = "./tmp/"+str(pages)+"_new.pdf"
imageName = "./tmp/"+str(pages)+"_new"+self.image_suffix
self.image_to_pdf(imageName, pdfName)
pages += 1
#5 合成
infnList = []
pages = 0
while pages < self.pdf_total_pages:
pdfName = "./tmp/"+str(pages)+"_new.pdf"
infnList.append(pdfName)
pages += 1
self.merge_pdf(infnList, self.new_pdf_name)
print("over.....")
return
# 1、原pdf文件，按单页，存单页pdf文件，
def split_pdf(self, readFileName):
print("原pdf文件，按单页，存单页pdf文件")
# 获取一个 PdfFileReader 对象
pdfReader = PdfFileReader(open(readFileName, 'rb'))
# 获取 PDF 的页数
pageCount = pdfReader.getNumPages()
#self.pdf_total_pages = pageCount
self.pdf_total_pages = pageCount
print("原pdf文件总页数:", pageCount)
pages = 0
while pages < self.pdf_total_pages:
# 返回一个 PageObject
page = pdfReader.getPage(pages)
# 获取一个 PdfFileWriter 对象
pdfWriter = PdfFileWriter()
# 将一个 PageObject 加入到 PdfFileWriter 中
pdfWriter.addPage(page)
writeFileName = "./tmp/"+str(pages)+".pdf"
# 输出到文件中
pdfWriter.write(open(writeFileName, 'wb'))
pages += 1
# 2、单页pdf文件，分别转为单个图片；
def pdf_to_image(self, pdfFileName, imageFileName, imgResolution):
with Image(filename=pdfFileName, resolution=imgResolution) as img :
with img.convert('png') as converted:
converted.save(filename=imageFileName)
print("pdf_to_image:", pdfFileName, imageFileName)
#3 图片切去logo, 并保存为新图片。
def del_image_logo(self, oldImageName, newImageName, x, y, w, h):
im = pilImage.open(oldImageName)
# 图片的宽度和高度
img_size = im.size
print("图片"+oldImageName+" 图片宽度和高度分别是{}".format(img_size))
'''
裁剪：传入一个元组作为参数
元组里的元素分别是：（距离图片左边界距离x， 距离图片上边界距离y，裁剪框宽度w，裁剪框高度h）
'''
region = im.crop((x, y, x+w, y+h))
region.save(newImageName)
#==== 图片背景色设为白色
im = pilImage.open(newImageName)
x,y = im.size
p = pilImage.new('RGBA', im.size, (255,255,255))
p.paste(im, (0, 0, x, y), im)
p.save(newImageName)
#4、单个新图片，转为单页pdf。
def image_to_pdf(self, imageName, pdfName):
print("image_to_pdf:", imageName, pdfName)
(maxw, maxh) = pilImage.open(imageName).size
c = canvas.Canvas(pdfName, pagesize=portrait((maxw, maxh)))
c.drawImage(imageName, 0, 0, maxw, maxh)
c.showPage()
c.save()
#5、合成所有单页pdf，转为完整新pdf文件
# infnList：单个pdf文件名数组。
# outfn: 新pdf文件
def merge_pdf(self, infnList, outfn):
print("合成pdf:", infnList, outfn)
pdf_output = PdfFileWriter()
for infn in infnList:
pdf_input = PdfFileReader(open(infn, 'rb'))
# 获取 pdf 共用多少页
page_count = pdf_input.getNumPages()
#print(page_count)
for i in range(page_count):
pdf_output.addPage(pdf_input.getPage(i))
pdf_output.write(open(outfn, 'wb'))
if __name__ == '__main__':
localtime = time.asctime( time.localtime(time.time()) )
print("开始时间为 :", localtime)
delLogo_pdf = DelLogo_pdf()
delLogo_pdf.run()
localtime = time.asctime( time.localtime(time.time()) )
print("结束时间为 :", localtime)
复制代码注释：
- 效率问题，pdf与png之间转化时间较长(1-2s)。
作者：timix
链接：https://juejin.im/post/5c1fa58f5188257d9937609e
来源：掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。