### 使用 Python 删除 PDF 中的文字而不使用 PyMuPDF 如果不想使用 PyMuPDF，可以考虑使用其他库如 `pdfplumber` 和 `reportlab` 的组合来实现删除 PDF 中文字的功能。以下是具体方法的实现： #### 方法概述 - 使用 `pdfplumber` 提取 PDF 文件中的文本和布局信息。 - 根据提取的信息生成新的 PDF 文件，其中排除需要删除的文本内容。 - 使用 `reportlab` 创建一个新的 PDF 文件，并将保留的内容写入其中。 #### 代码示例 ```python import pdfplumber from reportlab.pdfgen import canvas from reportlab.lib.pagesizes import letter # 定义函数：从 PDF 中提取文本并过滤掉不需要的文本 def extract_and_filter_text(pdf_path, filter_word): extracted_text = [] with pdfplumber.open(pdf_path) as pdf: for page in pdf.pages: text = page.extract_text() if text: # 过滤掉包含特定关键词的行 lines = text.split("\n") filtered_lines = [line for line in lines if filter_word not in line] extracted_text.append(filtered_lines) return extracted_text # 定义函数：将过滤后的文本写入新的 PDF 文件 def write_filtered_text_to_pdf(filtered_text, output_pdf_path): c = canvas.Canvas(output_pdf_path, pagesize=letter) width, height = letter y_start = height - 50 # 起始高度 x_margin = 50 # 左边距 y_step = 20 # 行间距 for page_lines in filtered_text: y = y_start for line in page_lines: c.drawString(x_margin, y, line) y -= y_step if y <= 50: # 如果到达页面底部，创建新页面 c.showPage() y = y_start c.showPage() c.save() # 主程序 if __name__ == "__main__": input_pdf_path = "example.pdf" # 输入 PDF 文件路径 output_pdf_path = "output_filtered.pdf" # 输出 PDF 文件路径 filter_word = "年月日" # 需要删除的关键词 # 提取并过滤文本 filtered_text = extract_and_filter_text(input_pdf_path, filter_word) # 将过滤后的文本写入新的 PDF 文件 write_filtered_text_to_pdf(filtered_text, output_pdf_path) ``` #### 代码解析 - **`extract_and_filter_text` 函数**：通过 `pdfplumber` 提取 PDF 文件中的文本，并根据指定的关键词过滤掉不需要的文本[^2]。 - **`write_filtered_text_to_pdf` 函数**：使用 `reportlab` 创建一个新的 PDF 文件，并将过滤后的文本写入其中[^3]。 - **主程序**：定义输入和输出文件路径，以及需要删除的关键词，并调用相关函数完成任务。 #### 注意事项 1. **文本提取精度**：`pdfplumber` 提取的文本可能不完全准确，特别是对于复杂布局的 PDF 文件。在实际应用中可能需要进一步调整提取逻辑。 2. **性能优化**：对于大规模 PDF 文件，建议优化文本提取和写入过程，例如分批处理页面。 3. **字体样式保留**：上述方法仅保留文本内容，无法保留原始 PDF 文件中的字体样式和布局。如果需要保留这些信息，可能需要更复杂的处理方式。 #### 替代方案 除了 `pdfplumber` 和 `reportlab`，还可以考虑使用 `PyPDF2` 或 `pikepdf` 等库来实现类似功能。这些库提供了不同的 API 和功能，可以根据具体需求选择合适的工具[^4]。