如何基于PyPDF2代码删除PDF指定页面首行并生成新PDF？

首先明确：PyPDF2对PDF文本的直接编辑能力有限——PDF的文本是基于坐标绘制的，并非流式文档，直接替换内容很难保留原页面的字体、字号、布局等格式。下面提供两种可行方案：

方案一：使用PyMuPDF（推荐，格式保留更精准） #

PyMuPDF（别名fitz）是处理PDF文本编辑更高效的库，能精准定位文本块并修改，同时完整保留原页面的结构和格式。

完整代码 #

import fitz  # 先安装依赖：pip install pymupdf

def delete_first_line_from_pages(pages_indices, input_pdf_path, output_pdf_path):
    doc = fitz.open(input_pdf_path)
    for page_idx in pages_indices:
        if page_idx >= len(doc):
            continue  # 跳过不存在的页面
        page = doc[page_idx]
        # 获取页面所有文本块（包含坐标、内容等信息）
        blocks = page.get_text("blocks")
        if not blocks:
            continue
        
        # 定位第一个非空文本块（对应要删除的首行）
        first_block = None
        for block in blocks:
            text_content = block[4].strip()
            if text_content:
                first_block = block
                break
        if not first_block:
            continue
        
        # 用白色覆盖原文本块实现删除，同时保留页面其他元素
        page.add_redact_annot(first_block[:4], fill=(1, 1, 1))
        page.apply_redactions()
    
    # 保存修改后的PDF
    doc.save(output_pdf_path)
    doc.close()

关键说明 #

• page.get_text("blocks")返回页面上所有文本块的坐标、内容等数据，能精准定位首行文本。
• add_redact_annot标记要删除的文本区域，用白色填充覆盖后调用apply_redactions生效，不会影响页面其他元素（图片、表格、剩余文本格式）。

方案二：基于PyPDF2的替代方案（仅适合纯文本简单页面） #

如果必须使用PyPDF2，只能创建新页面并重写文本，但原页面的格式（字体、字号等）无法自动继承，仅适用于无复杂格式的纯文本PDF：

完整代码 #

from PyPDF2 import PdfReader, PdfWriter
from PyPDF2.generic import AnnotationBuilder

def delete_first_line_from_pages(pages_indices, input_pdf_path, output_pdf_path):
    writer = PdfWriter()
    reader = PdfReader(input_pdf_path)
    
    for page_idx in range(len(reader.pages)):
        original_page = reader.pages[page_idx]
        if page_idx not in pages_indices:
            writer.add_page(original_page)
            continue
        
        # 提取并处理文本
        content = original_page.extract_text()
        if not content:
            writer.add_page(original_page)
            continue
        
        # 过滤空行，移除首行后重新拼接
        non_empty_lines = [line for line in content.split("\n") if line.strip()]
        if not non_empty_lines:
            writer.add_page(original_page)
            continue
        modified_content = "\n".join(non_empty_lines[1:])
        
        # 创建与原页面尺寸一致的空白页面
        new_page = writer.add_blank_page(
            width=original_page.mediabox.width,
            height=original_page.mediabox.height
        )
        # 添加修改后的文本（需手动设置字体、字号，无法匹配原格式）
        text_annot = AnnotationBuilder.free_text(
            modified_content,
            rect=(50, 50, original_page.mediabox.width - 50, original_page.mediabox.height - 50),
            font="Helvetica",
            font_size=12,
            text_color=(0, 0, 0),
            fill_color=(1, 1, 1)
        )
        new_page.add_annotation(text_annot)
    
    # 写入输出文件
    with open(output_pdf_path, "wb") as output_file:
        writer.write(output_file)

关键说明 #

• 该方案通过创建空白页面并重写文本实现修改，原页面的字体、行间距等格式无法保留，需手动指定文本样式。
• 适合仅包含纯文本、无复杂布局的PDF场景。

注意事项 #

• 页面索引默认从0开始，确保pages_indices中的值符合此规则。
• 若PDF包含图片、表格、多栏布局等复杂元素，优先选择PyMuPDF方案，能最大程度保留原页面结构。

内容的提问来源于stack exchange，提问作者Lorenzo Cutrupi