### 解决方案分析 当使用 Python 下载 PDF 文件并发现其背景变为黑色且文字丢失时，通常是因为在保存或处理过程中发生了颜色模式的变化或者图像数据被错误解析。以下是可能的原因以及对应的解决方案。 #### 1. **原因分析** - 如果下载后的 PDF 中的图像部分显示异常（如白底黑字变成黑底无字），可能是由于图像的颜色空间从 RGB 或 CMYK 被误转为单通道灰度图 (Grayscale)[^1]。 - 在某些情况下，PDF 的渲染引擎可能会忽略原始文档中的字体嵌入信息，从而导致文字无法正常显示[^2]。 #### 2. **解决方案** ##### 方法一：调整图像处理逻辑 如果问题发生在对 PDF 内部图像进行预处理的过程中，可以通过修改图像操作代码来解决问题。例如，在执行任何图像变换之前，先确认输入图像的颜色模式是否正确： ```python from PIL import Image, ImageOps def process_image(image_path, output_path): # 打开图像 image = Image.open(image_path) # 确认颜色模式是否为 'RGB' 并转换 if image.mode != "RGB": image = image.convert("RGB") # 应用膨胀或其他滤波操作前保持颜色一致性 processed_image = image.filter(ImageFilter.MinFilter(size=13)) # 保存结果 processed_image.save(output_path) ``` 上述代码通过 `convert` 函数强制将图像转换为标准的 RGB 模式后再继续后续操作，可有效防止颜色反转现象的发生[^1]。 ##### 方法二：修复 PDF 渲染过程中的字体缺失 对于因字体未正确加载而导致的文字消失情况，建议尝试以下方法： - 使用 PyMuPDF (`fitz`) 来重新提取和保存 PDF 文档的内容，同时保留原有的字体定义； - 或者利用 Ghostscript 工具命令行选项指定输出设备参数以确保高质量重绘。 示例代码如下所示： ```python import fitz # PyMuPDF def fix_pdf(input_file, output_file): doc = fitz.open(input_file) # 打开现有 PDF for page_num in range(len(doc)): page = doc.load_page(page_num) # 获取页面上的文本框列表 text_instances = page.get_text("dict").get('blocks', []) # 对于每一个检测到的纯文本区域应用样式恢复策略... pass # 这里省略具体实现细节 doc.save(output_file) # 存储修正版副本 ``` 此脚本遍历每一页的所有对象，并特别关注那些仅由字符组成的矩形区块——它们很可能代表实际可见的印刷品内容。尽管如此，仍需进一步完善内部循环体内的业务逻辑才能达到预期效果。 另外值得注意的是，有时即使采取以上措施也无法完全规避此类兼容性难题，此时不妨考虑更换更成熟的第三方服务接口完成最终目标。 --- ###