Python如何实现删除pdf空白页

更新时间：2025年05月14日 09:07:39 作者：去追风，去看海

这篇文章主要为大家详细介绍了如何使用Python实现删除pdf空白页以及批量删除扫描PDF中的空白页,文中的示例代码简洁易懂,需要的小伙伴可以了解下

python 删除pdf 空白页

环境

python == 3.10

PyPDF2 ==3.0.1

安装

pip install PyPDF2

流程

将空白页和内容页读取出来，看看内部结构有什么不同

以此为依据，遍历整个PDF 文件，标记处有内容的页面，写入到另外一个PDF文件。

python 代码

# 每一个页都是一个字典对象，看第一层没区别
# 参考文章中 第一层 keys 一样， 但是 /Resources下结构有所不同，空白页没有"/XObject"键
# 我的第一层keys 不一样，  但是 /Resources下结构一样
# 另外 PyPDF2 版本不一样，各个模块有更新，自己看源码进行更新，或者根据报错提示进行更新

from PyPDF2 import PdfReader, PdfWriter

def remove_pdf_blank_pages(path):
    pdfReader = PdfReader(open(path, 'rb'))
    writer = PdfWriter()
    pages = len(pdfReader.pages)
    # blank = pdfReader.pages[1]
    # full = pdfReader.pages[2]
    #print('*'*10)
    #print(blank.keys())# dict_keys(['/Type', '/Parent', '/Resources', '/MediaBox', '/Contents'])
    #print(full.keys())# dict_keys(['/Type', '/Parent', '/Resources', '/MediaBox', '/Annots', '/Tabs', '/StructParents', '/Contents'])
    #print(blank['/Resources'])
    #{'/Font': IndirectObject(600, 0, 139632281578944), '/XObject': {'/Im553': IndirectObject(553, 0, 139632281578944), '/Im7': IndirectObject(7, 0, 139632281578944)}, '/ProcSet': ['/PDF', '/Text', '/ImageC', '/ImageI', '/ImageB']}
    #print(full['/Resources'])
    #{'/Font': IndirectObject(600, 0, 139632281578944), '/XObject': {'/Im553': IndirectObject(553, 0, 139632281578944), '/Im7': IndirectObject(7, 0, 139632281578944)}, '/ProcSet': ['/PDF', '/Text', '/ImageC', '/ImageI', '/ImageB']}
    #print('*' * 10)
    for i in range(pages):
        page = pdfReader.pages[i]
        # if "/XObject" in page["/Resources"].keys() or "/Font" in page["/Resources"].keys():
        #     writer.add_page(page)
        if "/StructParents" in page.keys() or "/Tabs" in page.keys() or "/Annots" in page.keys():
            writer.add_page(page)

    writer.write(open(path, 'wb'))

使用Python批量删除扫描PDF中的空白页

对于经常看扫描PDF资料的人来说，经常会碰到如下问题：

PDF缩略图

因为一些格式转换的原因，一些空白页时不时的出现，而且规律不定，一会是偶数页码一会是奇数页码，逐个选中删除的话，对于几百页的文档，非常费时。

百度搜索删除PDF空白页，得到的是一个要收费的工具，有了Python就可以利用免费开源库轻松解决。

先安装 PyPDF2库，在Powershell 或CMD命令行模式安装PyPDF2

Install PyPDF2

流程

将空白页和内容页读取出来，看看内部结构有什么不同，以此为依据，遍历整个PDF 文件，标记处有内容的页面，写入到另外一个PDF文件。

该文件中17页为空白页，18页为内容页：

from PyPDF2 import PdfFileReader, PdfFileWriter

path=r"D:\ebook\PDF\test.pdf"

reader = PdfFileReader(open(path, 'rb'))
"""
注意PyPDF2中页码从0开始
"""
blank= reader.getPage(16)
full = reader.getPage(17)

每一个页都是一个字典对象，看第一层没区别

blank.keys()
Out[24]: dict_keys(['/Type', '/Contents', '/Parent', '/Resources', '/MediaBox'])

full.keys()
Out[25]: dict_keys(['/Type', '/Contents', '/Parent', '/Resources', '/MediaBox'])

经查发现/Resources下结构有所不同，空白页没有"/XObject"键：

blank['/Resources']
Out[26]: {'/ExtGState': {'/Opa0': {'/Type': '/ExtGState', '/CA': 1}}}

full['/Resources']
Out[27]: 
{'/ExtGState': {'/Opa0': {'/Type': '/ExtGState', '/CA': 1},
  '/Opa1': {'/Type': '/ExtGState', '/ca': 1}},
 '/XObject': {'/Image0': {'/BitsPerComponent': 8,
   '/Height': 1130,
   '/Filter': ['/DCTDecode'],
   '/ColorSpace': '/DeviceRGB',
   '/Type': '/XObject',
   '/Subtype': '/Image',
   '/DL': 434222,
   '/Width': 792}}}

所以对于有”/XObject“键的，就是有图像的页面。同时发现一些只有文字没图像的页面，还有"/Font" 键，于是将有这两个键的页面标记，然后写入第二个PDF文件即可：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r"D:\ebook\PDF\test.pdf"
path_output = r"D:\ebook\PDF\output.pdf"

reader = PdfFileReader(open(path, 'rb'))
writer = PdfFileWriter()
pages = pdfReader.getNumPages()

for i in range(pages):
    page = reader.getPage(i)
    if "/XObject" in page["/Resources"].keys() or "/Font" in page["/Resources"].keys():
        writer.addPage(page)
    
writer.write(open(path_output, 'wb'))

到此这篇关于Python如何实现删除pdf空白页的文章就介绍到这了,更多相关Python删除pdf空白页内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

python
pdf

python tornado修改log输出方式
今天小编就为大家分享一篇python tornado修改log输出方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-11-11
Python中最强大的错误重试库(tenacity库)
本文要给大家介绍的tenacity库，可能是目前Python生态中最好用的错误重试库，主要介绍tenacity的主要使用方法和特性，具有一定的参考价值，感兴趣的可以了解一下
2022-04-04
Python DNS查询放大攻击实现原理解析
这篇文章主要介绍了Python DNS查询放大攻击实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习吧
2022-10-10
python OpenCV计算图片相似度的5种算法
本文主要介绍了python OpenCV计算图片相似度的5种算法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2022-08-08
深入了解Python数据类型之列表
下面小编就为大家带来一篇深入了解Python数据类型之列表。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2016-06-06
关于Flask 上下文详细介绍
这篇文章主要给大家分享了关于Flask 上下文详细介绍，我们可以把上下文理解为当前环境的快照，是一个用来保存状态的对象。在代码执行的某个时刻，根据上下文的代码逻辑，可以决定在当前时刻下使用到的环境变量等。下面一起进入文章了解详情内容,需要的朋友也可以参考一下
2021-11-11
flask的orm框架SQLAlchemy查询实现解析
这篇文章主要介绍了flask的orm框架SQLAlchemy查询实现解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-12-12
python使用tkinter实现透明窗体上绘制随机出现的小球(实例代码)
今天教大家怎么实现Tkinter透明窗体，在上篇文章给大家介绍过透明窗体上绘制小球，今天接着通过实例代码给大家分享python使用tkinter实现透明窗体上绘制随机出现的小球的实例代码，感兴趣的朋友跟随小编一起看看吧
2021-05-05
Python文本转语音引擎pyttsx3的使用完全指南
在开发需要语音输出功能的应用时,文本转语音技术是一个非常有用的工具,Python的pyttsx3库提供了一个简单且离线的方式来实现这一功能,下面小编就来和大家介绍一下pyttsx3的具体使用吧
2025-04-04
python创建列表并给列表赋初始值的方法
这篇文章主要介绍了python创建列表并给列表赋初始值的方法,涉及Python列表的定义与赋值技巧,需要的朋友可以参考下
2015-07-07