Python 查找并高亮PDF中的指定文本

灰太狼 2024-05-01 03:13 63阅读 0赞

在处理大量PDF文档时，有时我们需要快速找到特定的文本信息。本文将提供以下三个Python示例来帮助你在PDF文件中快速查找并高亮指定的文本。

*  **目录**
    
    Python 查找并高亮PDF中所有的指定文本
    
    Python 查找并高亮PDF某个区域内的指定文本
    
    通过正则表达式查找文本并高亮：
    
    --------------------

本文将用到国产第三方库 - [Spire.PDF for Python][]，该库提供 ***PdfPageBase.FindText()***方法可用于查找PDF中的特定文本，然后再使用 ***PdfTextFind.**ApplyHighLight(*****)**方法为匹配到的文本设置指定的高亮颜色以突出显示。

在运行接下来提供的示例代码之前，先通过pip安装Spire.PDF for Python库：

pip install Spire.PDF

#### Python 查找并高亮PDF中所有的指定文本 ####

*步骤：*

1.  加载PDF文档
2.  遍历其中的页面
3.  查找所有指定的文本
4.  遍历所有查找到的文本并设置高亮颜色
5.  保存文档并关闭

*代码：*

from spire.pdf import *
    from spire.pdf.common import*
    
    # 加载PDF文档
    pdf = PdfDocument()
    pdf.LoadFromFile("南极洲.pdf")
    
    # 遍历PDF中所有页面
    for i in range(pdf.Pages.Count):
        page = pdf.Pages.get_Item(i)
        # 查找所有指定文本
        result = page.FindText("南极", TextFindParameter.IgnoreCase)
        # 高亮匹配的文本
        for text in result.Finds:
            text.ApplyHighLight(Color.get_Lime())
    
    # 保存结果文件
    pdf.SaveToFile("查找高亮PDF文本.pdf")
    pdf.Close()

*输出：*

*![1632fdee6ca942dfaa41537e94872508.png][]*

####  ####

#### **Python 查找并高亮PDF某个区域内的指定文本** ####

*步骤：*

1.  加载PDF文档
2.  获取指定的PDF页面
3.  指定一个矩形区域
4.  查找矩形区域内的指定文本
5.  遍历查找到的文本并设置高亮颜色
6.  保存文档并关闭

*代码：*

from spire.pdf import *
    from spire.pdf.common import*
    
    # 加载PDF文档
    pdf = PdfDocument()
    pdf.LoadFromFile("南极洲.pdf")
    
    # 获取第一页
    pdfPageBase = pdf.Pages.get_Item(0)
    
    # 自定义一个矩形区域
    rctg = RectangleF(0.0, 0.0, pdfPageBase.ActualSize.Width, 100.0)
    
    # 查找指定区域内所有的指定文本
    findCollection = pdfPageBase.FindText(rctg,"南极",TextFindParameter.IgnoreCase)
    
    # 高亮匹配的文本
    for find in findCollection.Finds:
        find.ApplyHighLight(Color.get_Magenta())
    
    # 保存结果文件
    pdf.SaveToFile("查找高亮指定区域中的文本.pdf")
    pdf.Close()

*输出：*

*![75af7640c9a64330a3c378d992beda87.png][]*

####  ####

#### **通过正则表达式查找文本并高亮：** ####

*步骤：*

1.  加载PDF文档
2.  获取指定的PDF页面
3.  指定一个正则表达式 （以下示例为匹配整数或小数）
4.  使用正则表达式查找匹配的文本
5.  遍历查找到的文本并设置高亮颜色
6.  保存文档并关闭

*代码：*

from spire.pdf import *
    from spire.pdf.common import*
    
    # 加载PDF文档
    pdf = PdfDocument()
    pdf.LoadFromFile("南极洲.pdf")
    
    # 指定匹配整数或者小数的正则表达式
    regex = r'[0-9]+.{0,1}[0-9]{0,2}'
    
    # 获取第一页
    page = pdf.Pages.get_Item(0)
    
    # 使用正则表达式查找匹配的文本
    result = page.FindText(regex, TextFindParameter.Regex)
    
    # 高亮匹配的文本
    for text in result.Finds:
        text.ApplyHighLight(Color.get_Cyan())
    
    # 保存结果文件
    pdf.SaveToFile("正则匹配.pdf")

*输出：*

![e2d763919c2840f3a2d08ed437935b7b.png][]

以上为三种使用Python在PDF文档中搜索指定内容并设置文本高亮的方法。使用时可根据实际的需求或个人偏好选择最适合的解决方案。Spire.PDF for Python库还提供了其他的操作、处理PDF文档的接口，教程可从[此处][Link 1]获取。

[Spire.PDF for Python]: https://www.e-iceblue.cn/Introduce/Spire-PDF-Python.html
[1632fdee6ca942dfaa41537e94872508.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/7c95fe8681644269805a553bccd7ed1d.png
[75af7640c9a64330a3c378d992beda87.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/7fde7add3a5d4f5787a5a7176a5bdbb7.png
[e2d763919c2840f3a2d08ed437935b7b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/733c69219ded40b9a71127464e3c76fb.png
[Link 1]: https://www.e-iceblue.cn/pdfforpython/spire-pdf-for-python-program-guide-content.html