pdfparanoia

pdfparanoia is a PDF watermark removal library for academic papers. Some publishers include private information like institution names, personal names, ip addresses, timestamps and other identifying information in watermarks on each page.

pdfparania это библиотека для удаления водяных знаков из PDF файлов научных статей. Некоторые издатели включают личную информацию, такую как названия институтов, имена, IP-адреса, время и дату и другую информацию в водяные знаки содержащиеся на каждой странице.

Installing

Simple.

sudo pip install pdfparanoia

or,

sudo python setup.py install

pdfparanoia is written for python2.7+ or python 3. You will also need to manually install "pdfminer" if you do not use pip to install pdfparanoia. For python versions prior to Python 3, use "pdfminer" from the Python Package Index (http://pypi.python.org). For recent versions of Python, use pdfminer3k instead.

Usage

import pdfparanoia

pdf = pdfparanoia.scrub(open("nmat91417.pdf", "rb"))

with open("output.pdf", "wb") as file_handler:
    file_handler.write(pdf)

or from the shell,

pdfparanoia --verbose input.pdf -o output.pdf

and,

cat input.pdf | pdfparanoia > output.pdf

Supported

AIP
IEEE
JSTOR
RSC
SPIE (sort of)

Changelog

0.0.13 - RSC
0.0.12 - SPIE
0.0.11 - pdfparanoia command-line interface. Use it by either piping in pdf data, or specifying a path to a pdf in the first argv slot.
0.0.10 - JSTOR
0.0.9 - AIP: better checks for false-positives; IEEE: remove stdout garbage.
0.0.8 - IEEE

License