pdf_specific_author_annotation_remover

一个基于 PyMuPDF 的命令行工具，用于从 PDF 文件中删除指定作者的所有批注（高亮、下划线、注释等），同时保留其他作者的批注与表单控件。

✨ 功能特性

• 🎯 按作者名精确删除批注（大小写不敏感）
• 📁 支持单个 PDF 文件或整个文件夹批量处理
• 🔒 -r/--replace 模式采用「临时文件 + 原子替换」，避免中途失败损坏原文件
• 🛡️ 自动跳过表单控件（Widget），不影响 PDF 可填写表单
• 📄 无匹配批注时不改写文件，并给出清晰提示
• 💬 中文友好的命令行输出与错误提示

📋 环境要求

• Python 3.10+
• PyMuPDF ≥ 1.20

安装依赖：

pip install PyMuPDF

🚀 使用方法

python script.py [选项] <作者名> <输入路径> [输出路径]

选项

选项	说明	语法
-n, --new	（默认） 输出模式：把清洗后的 PDF 输出到目标位置	[input_path] [output_path]
-r, --replace	替换模式：直接在输入位置覆盖原文件	[input_path]
-h, --help	显示帮助信息	—

参数

参数	说明
author	要删除的批注作者名（存储在批注的 title 字段中）
input_path	输入 PDF 文件或文件夹路径
output_path	输出文件或文件夹路径（仅 -n/--new 模式需要）

示例

# 1. 单个文件 → 输出到指定文件（默认模式）
python script.py john ./in.pdf ./out/out.pdf

# 2. 处理整个文件夹 → 输出到目标文件夹（自动创建，文件名加 _cleaned 后缀）
python script.py --new john ./pdfs ./cleaned

# 3. 直接替换原文件（原子替换，安全）
python script.py -r john ./pdfs

💡 提示：批量输入文件夹时，输出文件夹中会生成 <原文件名>_cleaned.pdf；若输入为单个文件且 output_path 以 .pdf 结尾，则视为指定的输出文件名。

💡 提示：文件夹模式仅处理顶层目录中的 PDF 文件，不会递归扫描子目录。

🔍 工作原理

PDF 批注的作者名由 PyMuPDF 存放在 annot.info["title"] 字段中。脚本遍历每一页的批注链表，对作者名匹配（lower() 后比较）的批注调用 page.delete_annot() 删除：

• 只处理真正的批注对象（fitz.Annot），跳过表单控件（fitz.Widget）
• 遍历时先保存下一个节点的引用，防止删除后丢失链表
• 保存时使用 garbage=3 清理无用对象并压缩输出

⚠️ 注意：delete_annot() 只删除批注标记（高亮、下划线、注释框等），不会删除被标记的正文文字。若需抹除 PDF 中的实际文字内容，请使用支持 redaction（红action/涂抹）功能的工具。另外，garbage=3 会全量重写文件，可能破坏已有的数字签名，且对大型文件较慢。

📁 项目结构

pdf_specific_author_annotation_remover/
├── script.py      # CLI 主脚本
├── README.md
├── LICENSE        # MIT 许可证
└── .gitignore

📄 License

MIT