python - ghostscript 仅从 pdf 中删除彩色文本

Question

我正在阅读 PDF 文件。我想删除任何彩色文本（即只留下黑色文本和图像）我试过 ghostscript

gs -o no-more-texts.pdf -sDEVICE=pdfwrite -dFILTERTEXT   Original.pdf

它成功删除了所有文本，并保持图像完好无损，如何修改 gs 命令以仅删除彩色文本（红色，蓝色......）。

如果有其他模块能够做到这一点，我愿意接受建议

标签： pythonpdfghostscript

Answer 1

执行此操作的设备没有该功能，因此您无法修改 Ghostscript 命令行来执行您想要的操作。

在 Ghostscript 中有三种方法可以解决这个问题；

• 您可以修改用 PostScript 编写的 PDF 解释器
• 您可以修改用 C 编写的 pdfwrite 设备
• 您可以修改过滤设备，它也是用 C 编写的。

无论您使用哪种工具，都需要考虑一些要点。首先，“彩色文本”或“黑色文本和图像”到底是什么意思？

PDF 规范允许在各种不同的颜色空间中指定颜色。Gray、RGB、CMYK、Lab、CalGray、CalRGB、ICCBased、Separation、DeviceN 此外还有索引颜色空间，它可能具有任何先前空间的基本空间，以及图案颜色空间。

您将在这些空间中的每个空间中考虑什么“黑色”？显然 DeviceGray 很简单，0 是黑色，其他都是灰色阴影，但是 RGB 呢？您是否只会将 0,0,0 视为黑色？如果它是基于 ICC 的空间怎么办？

文本可以有两种颜色，笔触和填充颜色，它们可以不同地指定。它们甚至可以在不同的颜色空间中指定。你需要考虑你打算如何处理它。