如何将PyPDF4修改PDF黑色对象颜色的代码迁移到pypdf 3.6.0？

核心逻辑说明 #

pypdf 3.x版本对PDF内容流的操作机制和PyPDF4差异明显，不能直接沿用旧版的字符串替换或简单流操作，必须通过解析内容流的指令单元，针对性替换颜色设置指令，再重新绑定到页面。

具体实现步骤 #

1. 导入依赖模块 #

from pypdf import PdfReader, PdfWriter
from pypdf.generic import ContentStream, NameObject, NumberObject

2. 编写颜色替换函数 #

遍历内容流的每一组指令，识别所有设置黑色的操作（包含RGB模式和灰度模式的填充、描边色），替换为红色设置指令：

def replace_black_with_red(content_stream):
    new_operations = []
    # 遍历内容流的所有指令对（操作数列表 + 操作符）
    for operands, operator in content_stream.operations:
        # 替换RGB填充黑色（指令rg）
        if operator == b"rg" and operands == [NumberObject(0), NumberObject(0), NumberObject(0)]:
            new_operations.append(([NumberObject(1), NumberObject(0), NumberObject(0)], b"rg"))
        # 替换RGB描边黑色（指令RG）
        elif operator == b"RG" and operands == [NumberObject(0), NumberObject(0), NumberObject(0)]:
            new_operations.append(([NumberObject(1), NumberObject(0), NumberObject(0)], b"RG"))
        # 替换灰度填充黑色（指令g），转为RGB红色填充
        elif operator == b"g" and operands == [NumberObject(0)]:
            new_operations.append(([NumberObject(1), NumberObject(0), NumberObject(0)], b"rg"))
        # 替换灰度描边黑色（指令G），转为RGB红色描边
        elif operator == b"G" and operands == [NumberObject(0)]:
            new_operations.append(([NumberObject(1), NumberObject(0), NumberObject(0)], b"RG"))
        # 非颜色设置指令直接保留
        else:
            new_operations.append((operands, operator))
    # 用新指令重新构建内容流
    return ContentStream(new_operations, content_stream.pdf)

3. 处理PDF并生成输出 #

读取源PDF的每个页面，替换内容流后绑定到页面，最终写入输出文件：

def process_pdf(input_file, output_file):
    reader = PdfReader(input_file)
    writer = PdfWriter()

    for page in reader.pages:
        # 解析当前页面的内容流
        original_stream = ContentStream(page["/Contents"], reader)
        # 执行颜色替换
        modified_stream = replace_black_with_red(original_stream)
        # 将修改后的内容流重新绑定到页面
        page[NameObject("/Contents")] = modified_stream
        # 添加处理后的页面到写入器
        writer.add_page(page)

    # 写入最终PDF文件
    with open(output_file, "wb") as f:
        writer.write(f)

# 调用示例
process_pdf("source.pdf", "red_output.pdf")

关键差异提示 #

• PyPDF4中直接操作ContentStream字符串的方式在pypdf 3.x中不再适用，必须通过operations属性拆解指令单元。
• 页面内容流的赋值需要通过NameObject("/Contents")明确指定，确保修改后的内容被页面正确识别。
• 字符串替换容易因PDF内容流压缩、指令拆分等问题失效，解析指令的方式才是可靠方案。

内容的提问来源于stack exchange，提问作者Albin Dennevi