如何编写脚本移除PowerPoint导出PDF中的遮罩白色矩形？

PPT导出的PDF中，遮盖文本的白色矩形属于PDF的图形路径对象，PyPDF2对这类元素的支持有限，推荐使用PyMuPDF（别名fitz）来处理，它能直接操作页面的图形内容，实现批量移除白色矩形的需求。

实现步骤 #

1. 安装依赖库

   pip install pymupdf
   

2. 核心脚本代码

   import fitz  # 导入PyMuPDF库
   
   def remove_white_rectangles(input_pdf, output_pdf):
       # 打开目标PDF文档
       doc = fitz.open(input_pdf)
       
       for page in doc:
           # 获取当前页面所有图形绘制元素
           drawings = page.get_drawings()
           target_rects = []
           
           for draw in drawings:
               # 筛选填充类型的图形（矩形多为填充路径）
               if draw["type"] != "f":
                   continue
               
               # 判断填充色是否为白色（RGB值接近(1,1,1)，兼容浮点精度误差）
               fill_color = draw["fill"]
               if not fill_color:
                   continue
               r, g, b = fill_color[:3]
               if abs(r-1) < 0.01 and abs(g-1) < 0.01 and abs(b-1) < 0.01:
                   # 确认图形为矩形（路径由4条直线+闭合指令组成）
                   path_items = draw["items"]
                   if len(path_items) == 5 and all(item[0] == "l" for item in path_items[:4]) and path_items[4][0] == "c":
                       target_rects.append(fitz.Rect(draw["rect"]))
           
           # 覆盖移除白色矩形（用透明区域覆盖原矩形）
           for rect in target_rects:
               page.draw_rect(rect, fill=None, color=None, width=0)
       
       # 保存处理后的PDF
       doc.save(output_pdf)
       doc.close()
   
   # 调用示例
   remove_white_rectangles("原始文档.pdf", "清理后文档.pdf")
   

关键说明 #

• 筛选逻辑：通过图形类型（填充路径）、填充色（白色）、路径结构（矩形闭合路径）三个维度定位目标矩形
• 兼容调整：如果PPT导出的白色不是纯RGB(1,1,1)，可以放宽颜色判断的阈值；若矩形有白色描边，需额外检查draw["color"]参数
• 进阶优化：如果需要精准匹配遮盖文本的矩形，可以结合page.get_text("words")获取文本位置，判断矩形是否与文本区域重叠后再移除

内容的提问来源于stack exchange，提问作者Akilan Manivannan