47 lines
1.6 KiB
Python
47 lines
1.6 KiB
Python
"""坐标回写：在 PII bbox 处黑条遮盖，输出脱敏后 PDF bytes。
|
||
|
||
两种方案：
|
||
A) add_redact_annot + apply_redactions（官方推荐，真正删除文字内容）
|
||
B) draw_rect fill=black（只画黑条，文字仍在文本层，可被复制提取）
|
||
|
||
默认用 A（删得最干净）；fill 参数可同时画出黑底。测试验证 A 能让
|
||
get_text 中 PII 消失。
|
||
"""
|
||
|
||
import io
|
||
from typing import Iterable, List
|
||
|
||
import fitz # PyMuPDF
|
||
|
||
|
||
def redact_pdf(pdf_bytes: bytes, hits: List[dict], method: str = "redact") -> bytes:
|
||
"""按 hits（[{page, bbox}, ...]）脱敏，返回新 PDF bytes。
|
||
|
||
method:
|
||
'redact' → add_redact_annot + apply_redactions（删除内容，推荐）
|
||
'draw' → 仅画黑矩形（文字仍在）
|
||
"""
|
||
by_page: dict = {}
|
||
for h in hits:
|
||
by_page.setdefault(h["page"], []).append(h["bbox"])
|
||
|
||
src = fitz.open(stream=pdf_bytes, filetype="pdf")
|
||
for pno, page in enumerate(src):
|
||
boxes = by_page.get(pno, [])
|
||
if method == "redact":
|
||
for bbox in boxes:
|
||
page.add_redact_annot(bbox, fill=(0, 0, 0))
|
||
if boxes:
|
||
page.apply_redactions()
|
||
elif method == "draw":
|
||
for bbox in boxes:
|
||
page.draw_rect(bbox, color=None, fill=(0, 0, 0))
|
||
else:
|
||
raise ValueError(f"unknown method: {method}")
|
||
# 直接保存原文档本身（apply_redactions 已就地修改页对象）。
|
||
# 不用 insert_pdf 搬运到新文档——部分 PyMuPDF 版本会拷贝未脱敏的原始页。
|
||
buf = io.BytesIO()
|
||
src.save(buf, garbage=3, deflate=True)
|
||
src.close()
|
||
return buf.getvalue()
|