使用Python抽取PDF页面生成新文件时如何移除其中的锚点链接与超链接

你当前使用的tmp_page['/Annots'].clear()方法存在两个局限性：

• 未做字段存在性校验，页面没有注释时会触发KeyError
• 只能清除注释类超链接，无法处理嵌入内容流的链接、文档级目录锚点、页面级跳转目标

方案1：基于PyPDF2的完善实现 #

适配你当前使用的PyPDF2库，优化后代码如下：

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

# 读取源PDF
reader = PdfReader("你的源文件路径.pdf")
writer = PdfWriter()

# 配置需要抽取的页码，从0开始计数，示例抽取第1、3、5页
extract_page_indexes = [0, 2, 4]

for page_num in extract_page_indexes:
    page = reader.pages[page_num]
    # 清除页面注释类链接
    if "/Annots" in page:
        page[NameObject("/Annots")].clear()
    # 清除页面绑定的锚点跳转目标
    if "/Dest" in page:
        del page[NameObject("/Dest")]
    writer.add_page(page)

# 清除文档级别的目录、全局锚点配置
writer._root_object.pop("/Outlines", None)
writer._root_object.pop("/Names", None)

# 输出新PDF
with open("生成的无链接文件.pdf", "wb") as f:
    writer.write(f)

注意：该方案对格式特殊、链接嵌入内容流的PDF兼容性一般，残留链接可使用第二种方案处理

方案2：基于PyMuPDF的高兼容实现 #

使用PyMuPDF（又称fitz）库可以彻底清除所有类型的链接，兼容性更强，处理更稳定。
首先安装依赖：
pip install pymupdf

实现代码：

import fitz

# 打开源PDF
source_doc = fitz.open("你的源文件路径.pdf")
# 新建空PDF存放抽取结果
new_doc = fitz.open()

# 配置需要抽取的页码，从0开始计数，示例抽取第1、3、5页
extract_page_indexes = [0, 2, 4]
for page_idx in extract_page_indexes:
    new_doc.insert_pdf(source_doc, from_page=page_idx, to_page=page_idx)

# 清除所有页面的链接与注释
for page in new_doc:
    # 删除页面所有跳转链接
    for link in page.get_links():
        page.delete_link(link)
    # 可选：删除页面所有注释内容
    for annot in page.annots():
        page.delete_annot(annot)

# 清除文档级目录锚点
new_doc.del_toc()

# 保存优化后的PDF，garbage参数会清理无用残留数据
new_doc.save("生成的无链接文件.pdf", garbage=4, deflate=True)
new_doc.close()
source_doc.close()

内容的提问来源于stack exchange，提问作者Бекзод Абдураимов