Python实现从预设线条向下裁剪PDF（仅保留线条下方区域）

问题描述 #

我尝试从一条预设线条处裁剪PDF的特定区域，希望从该线条开始向下裁剪整个PDF，仅保留线条下方的内容。但当前代码虽能裁剪目标区域，却会包含指定线条上方的区域，需要修正为只保留线条下方区域。

原代码 #

# Open PDF file
with open('file.pdf', 'rb') as pdf_file:
    # Create object
    pdf_reader = PyPDF2.PdfReader(pdf_file)

    # Create object
    pdf_writer = PyPDF2.PdfWriter()

    # Line
    x1, y1 = (int(66 * 2.83465), int(204 * 2.83465))  # ponto esquerdo da linha
    x2, y2 = (int(143.7 * 2.83465), int(204 * 2.83465))  # ponto direito da linha
    y3 = int(y1 -  100 * 2.83465)  # altura do corte

    # All pages
    for page_num in range(len(pdf_reader.pages)):
        # Obtenha a página atual
        page = pdf_reader.pages[page_num]

        # Create a new page
        new_page = PyPDF2.PageObject.create_blank_page(
            None, page.mediabox.width, y3 - y1)

        # Define area
        new_page.mediabox.upper_left = (x1, y1 + y3)
        new_page.mediabox.upper_right = (x2, y1)

        # Add new page
        transformation = PyPDF2.Transformation().translate(0, -y1)
        new_page.add_transformation(transformation)
        new_page.merge_page(page)
        pdf_writer.add_page(new_page)

    # Save
    with open('cropped_file.pdf', 'wb') as new_pdf_file:
        pdf_writer.write(new_pdf_file)

问题分析 #

原代码的核心问题在于：

• 空白页高度计算错误，y3 - y1得到负数，不符合页面高度的定义逻辑
• Mediabox范围限定错误，仅截取了线条附近的窄区域，且误包含了线条上方内容
• 平移变换的方向和数值偏差，导致原页面内容未正确对齐到目标裁剪区域

修正后的代码 #

# 打开PDF文件
with open('file.pdf', 'rb') as pdf_file:
    # 创建PDF读取对象
    pdf_reader = PyPDF2.PdfReader(pdf_file)
    # 创建PDF写入对象
    pdf_writer = PyPDF2.PdfWriter()

    # 预设线条的y坐标（PDF坐标系：左上角为原点，y值越大越靠上）
    line_y = int(204 * 2.83465)  # 线条位置即为裁剪的上边界

    # 遍历所有页面
    for page in pdf_reader.pages:
        page_width = page.mediabox.width
        # 裁剪区域高度：从线条位置到页面底部的距离
        crop_height = line_y

        # 创建匹配裁剪尺寸的空白页
        new_page = PyPDF2.PageObject.create_blank_page(None, page_width, crop_height)
        
        # 限定新页面的显示区域为线条下方的整个范围
        new_page.mediabox.upper_left = (0, line_y)
        new_page.mediabox.lower_right = (page_width, 0)

        # 平移原页面，让线条位置对齐到新页面顶部，仅保留下方内容
        transform = PyPDF2.Transformation().translate(0, - (page.mediabox.height - line_y))
        new_page.add_transformation(transform)
        new_page.merge_page(page)

        # 添加处理后的页面到写入队列
        pdf_writer.add_page(new_page)

    # 保存裁剪后的PDF
    with open('cropped_file.pdf', 'wb') as new_pdf_file:
        pdf_writer.write(new_pdf_file)

关键修改说明 #

• 明确裁剪上边界为线条的line_y值，直接以该值作为裁剪区域的高度，确保容纳线条下方所有内容
• 调整Mediabox范围，覆盖从页面左边缘到右边缘、从线条位置到页面底部的完整区域
• 修正平移变换逻辑：通过计算原页面顶部到线条的距离，将原页面向下平移对应数值，让线条位置对齐新页面顶部，精准保留下方内容
• 若需要限定横向裁剪范围，可修改Mediabox的左右边界参数

内容的提问来源于stack exchange，提问作者Rafael Nakamura