如何用Python将PDF中的网页链接转为不可点击的普通文本？

核心问题分析 #

你之前用PyPDF2无效，是因为PyPDF2对PDF注解（包括超链接）的支持有限，无法识别或处理所有类型的链接结构。推荐使用PyMuPDF（fitz），它基于MuPDF引擎，对PDF的解析和操作更全面，能有效处理各类超链接注解。

方法一：保留格式，删除链接注解（推荐） #

这个方法会移除所有可点击的链接注解，但完全保留原文本和排版格式。

1. 先安装依赖：

pip install pymupdf

2. 实现脚本：

import fitz  # 导入PyMuPDF库

def remove_pdf_hyperlinks(input_pdf, output_pdf):
    # 打开目标PDF文档
    doc = fitz.open(input_pdf)
    
    # 遍历每一页处理链接
    for page in doc:
        # 获取当前页面所有超链接
        links = page.get_links()
        for link in links:
            # 删除对应的链接注解
            page.delete_link(link)
    
    # 保存处理后的PDF
    doc.save(output_pdf)
    doc.close()

# 调用示例：替换成你的输入输出路径
remove_pdf_hyperlinks("your_input.pdf", "output_no_links.pdf")

方法二：重写文本（适合特殊格式PDF） #

如果方法一无效（比如部分PDF的链接是嵌入在文本动作而非注解中），可以尝试提取文本后重新写入页面，这种方式会丢失部分排版格式，但能确保所有链接失效。

import fitz

def convert_links_to_plain_text(input_pdf, output_pdf):
    doc = fitz.open(input_pdf)
    # 遍历所有页面
    for idx in range(len(doc)):
        page = doc[idx]
        # 提取页面纯文本
        plain_text = page.get_text()
        # 创建新页面，尺寸与原页面一致
        new_page = doc.new_page(width=page.rect.width, height=page.rect.height)
        # 复制原页面的背景/非文本元素（可选，若不需要可跳过）
        new_page.show_pdf_page(new_page.rect, doc, idx)
        # 插入纯文本（可调整字体、字号、位置适配原格式）
        new_page.insert_text(fitz.Point(36, 36), plain_text, fontsize=10)
        
        # 替换原页面
        doc.delete_page(idx)
        doc.insert_page(idx, new_page)
    
    doc.save(output_pdf)
    doc.close()

# 调用示例
convert_links_to_plain_text("your_input.pdf", "output_plain_text.pdf")

关键说明 #

• 方法一优先使用，因为它完全保留原PDF的排版、字体、格式，仅移除可点击的链接属性。
• 若遇到加密PDF，需先解密后再处理（PyMuPDF支持通过doc.authenticate("密码")解密）。

内容的提问来源于stack exchange，提问作者siwi