使用PyPDF4和PIL修改PDF文件中的图片


继上篇从PDF中提取图片数据之后，我们看如何使用PIL修改图片并写入到PDF文件。
先放两个相关链接：
使用PyPDF4提取pdf文件中的图片

PIL从内存中加载图片

先放代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import PyPDF4
from io import BytesIO
from PIL import Image, ImageDraw

def covertImg(bimg):
    img = Image.open(BytesIO(bimg))

    # 看你想实现什么功能了
    im = doSomething(img)
   
    stream = BytesIO()

    # 将图片保存到stream中
    # 注意，保存的格式要和pdf中原图片的格式保持一致
    im.save(stream, 'jpeg')

    img.close()
    return stream.getvalue()

pdf = PyPDF4.pdf.PdfFileReader("pdffile.pdf")
newpdf = PyPDF4.pdf.PdfFileWriter()

for i in range(0, pdf.getNumPages()):
    pg = pdf.getPage(i)
    obj = pg['/Resources']['/XObject']

    for j in obj:
        img = obj[j].getData()
        stream = covertImg(img)

        # 在PyPDF4 1.27.0中，此方法未实现，需要修改
        obj[j].setData(stream)

    newpdf.addPage(pg)

with open('newpdf.pdf', 'wb') as f:
    newpdf.write(f)

划重点!!!

上面代码中的obj[j]是一个EncodedStreamObject的实例，在PyPDF4 1.27.0版本中，EncodedStreamObject类中的setData方法并未实现。此版本的发布时间是18年8月，很可能不会再更新了。

最简单的修改方法：

  1. 打开PyPDF4模块中的generic.py
  2. 找到EncodedStreamObject类中的setData方法
  3. 将方法中的原有代码注释，添加self._data = data

修改结果如下：
在这里插入图片描述
使用此方法要注意修改后的图片格式要和原图片格式保持一致，如果图片格式不一致，图片将无法正常显示。

另外pdf结构中保存了图片的宽度和高度等信息，如果更换后的图片大小(宽度*高度)和原图片的不一致，可能也会产生问题。