### Python 实现批量删除 PDF 中特定颜色字体的页面 要实现通过 Python 批量删除 PDF 文档中具有特定颜色字体的页面，可以借助 `PyMuPDF`（也称为 `fitz`）、`pypdf` 或其他类似的库来操作 PDF 文件。以下是具体的技术方案： #### 技术原理 1. **解析 PDF 页面内容**：利用 PyMuPDF 提取每一页的文字及其属性（如字体大小、颜色等）。 2. **筛选条件匹配**：检测是否有指定颜色的字体存在于某页中。如果存在，则标记该页为待移除状态。 3. **重新组装 PDF**：保留未被标记的页面并生成新的 PDF。 --- #### 示例代码 以下是一个完整的解决方案示例： ```python import fitz # PyMuPDF def check_page_for_color(page, target_rgb=(0, 0, 1)): # 默认目标颜色为蓝色 (R,G,B)=(0,0,1) """ 检查给定页面是否存在指定 RGB 值的颜色字体。 参数: page: 当前处理的 PDF 页面对象。 target_rgb: 目标颜色的 RGB 值，默认为纯蓝 (0, 0, 1)。 返回值: bool: 是否找到目标颜色字体。 """ text_instances = page.get_text("rawdict")["blocks"] for block in text_instances: if "lines" not in block: continue for line in block["lines"]: for span in line["spans"]: color = span.get("color", None) if isinstance(color, int): # 十六进制颜色编码转换 rgb = tuple((color >> i & 0xFF / 255 for i in (16, 8, 0))) elif isinstance(color, list): rgb = tuple(c / 255 for c in color[:3]) else: continue if abs(rgb[0] - target_rgb[0]) < 0.01 and \ abs(rgb[1] - target_rgb[1]) < 0.01 and \ abs(rgb[2] - target_rgb[2]) < 0.01: return True return False def remove_pages_with_specific_color(input_pdf_path, output_pdf_path, target_rgb=(0, 0, 1)): """ 移除包含特定颜色字体的所有页面。 参数: input_pdf_path: 输入 PDF 文件路径。 output_pdf_path: 输出 PDF 文件路径。 target_rgb: 待查找的目标颜色 (默认为蓝色)。 """ doc = fitz.open(input_pdf_path) pages_to_keep = [] for p_num in range(len(doc)): page = doc[p_num] if not check_page_for_color(page, target_rgb=target_rgb): pages_to_keep.append(p_num) new_doc = fitz.open() for idx in pages_to_keep: new_doc.insert_pdf(doc, from_page=idx, to_page=idx) new_doc.save(output_pdf_path) new_doc.close() if __name__ == "__main__": input_folder = "./input_pdfs" output_folder = "./output_pdfs" os.makedirs(output_folder, exist_ok=True) for filename in os.listdir(input_folder): if filename.endswith(".pdf"): input_pdf_path = os.path.join(input_folder, filename) output_pdf_path = os.path.join(output_folder, filename) try: remove_pages_with_specific_color( input_pdf_path=input_pdf_path, output_pdf_path=output_pdf_path, target_rgb=(0, 0, 1) # 设置为目标颜色 (RGB)，例如蓝色 ) print(f"{filename} 已成功处理！") except Exception as e: print(f"处理 {filename} 出错: {str(e)}") ``` --- #### 关键点说明 1. **颜色比较逻辑**: 将十六进制颜色码转为标准化 `(r,g,b)` 形式以便于对比[^1]。 2. **性能优化**: 对大文件或复杂文档建议分批次读写以减少内存占用[^2]。 3. **跨平台支持**: 上述脚本适用于 Windows/Linux/MacOS 平台，只需调整输入/输出目录即可[^3]。 --- #### 注意事项 - 若目标颜色接近而非完全一致，需适当放宽误差范围（如 ±0.01）。 - 处理大量 PDF 文件时应考虑异常捕获机制以免中断整个流程。 ---