Python 查找PDF中的指定文本并高亮显示

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。

• 查找并高亮PDF中所有的指定文本
• 查找并高亮PDF某个区域内的指定文本
• 使用正则表达式搜索指定文本并高亮

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： 

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：

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：