别再手动抠水印了!Python一行代码,批量干掉扫描件水印

场景还原：扫描版PDF、电子书、合同归档……很多时候你只想把里面的高清图片抽出来，但导出来的PDF满屏水印也是真烦人。

✅ 自动识别每页最大图片✅ 按原图分辨率输出，画质无损✅ 本地运行，数据不出机器✅ 批量处理当前目录所有 PDF

📂 正在解析: 扫描文档.pdf   

✅ 第1页最大JPG xref=5 (2480×3508) → 已添加   

✅ 第2页最大JPG xref=12 (2480×3508) → 已添加   

✅ 第3页最大JPG xref=19 (2480×3508) → 已添加   

ℹ️ 第4页未找到JPG图像，已跳过  

🎉 完成! 共提取 3 张JPG 

📄 输出文件: 扫描文档_最大JPG提取_20260121_143022.pdf

# 每页提取像素面积最大的JPG 

for page_num in range(len(src_doc)):

     page = src_doc[page_num]

     images = page.get_images(full=True)

          largest_image = None

          max_area = 0 

         for img_info in images:

         xref = img_info[0]

         base_image = src_doc.extract_image(xref)

         ext = base_image.get("ext", "").lower()

                  if ext not in ("jpg", "jpeg"): 

                  continue

         width = base_image["width"]

         height = base_image["height"]

         area = width * height

          if area > max_area:

             max_area = area

          largest_image = base_image          

       # 插入新PDF页面

       if largest_image:

         new_page = new_doc.new_page(

             width=width*72/150,

              height=height*72/150

         )         

   new_page.insert_image(

             new_page.rect,              

           stream=largest_image["image"]         )

💡 小细节：像素转 PDF 单位时需要除以参考 DPI（这里用的 150），不然页面尺寸会大得离谱。

① 安装依赖：pip install pymupdf② 把脚本和 PDF 放同一目录③ 运行脚本，自动批量处理④ 生成的文件带时间戳，不会覆盖原文件