使用Python實現(xiàn)查找PDF中的指定文本并高亮顯示

更新時間：2024年03月14日 09:02:49 作者：Eiceblue

在處理大量PDF文檔時,有時我們需要快速找到特定的文本信息,本文將提供三個Python示例來幫助你在PDF文件中快速查找并高亮指定的文本,希望對大家有所幫助

前言

在處理大量PDF文檔時，有時我們需要快速找到特定的文本信息。本文將提供以下三個Python示例來幫助你在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某個區(qū)域內(nèi)的指定文本
使用正則表達式搜索指定文本并高亮

本文將用到國產(chǎn)第三方庫 - Spire.PDF for Python，該庫提供 PdfPageBase.FindText() 方法可用于查找PDF中的特定文本，然后再使用 PdfTextFind.ApplyHighLight() 方法為匹配到的文本設置指定的高亮顏色以突出顯示。

在運行接下來提供的示例代碼之前，先通過pip安裝Spire.PDF for Python庫：

pip install Spire.PDF

Python 查找并高亮PDF中所有的指定文本

步驟：

加載PDF文檔
遍歷其中的頁面
查找所有指定的文本
遍歷所有查找到的文本并設置高亮顏色
保存文檔并關閉

代碼：

from spire.pdf import *
from spire.pdf.common import*
 
# 加載PDF文檔
pdf = PdfDocument()
pdf.LoadFromFile("南極洲.pdf")
 
# 遍歷PDF中所有頁面
for i in range(pdf.Pages.Count):
    page = pdf.Pages.get_Item(i)
    # 查找所有指定文本
    result = page.FindText("南極", TextFindParameter.IgnoreCase)
    # 高亮匹配的文本
    for text in result.Finds:
        text.ApplyHighLight(Color.get_Lime())
 
# 保存結(jié)果文件
pdf.SaveToFile("查找高亮PDF文本.pdf")
pdf.Close()

輸出：

Python 查找并高亮PDF某個區(qū)域內(nèi)的指定文本

步驟：

加載PDF文檔
獲取指定的PDF頁面
指定一個矩形區(qū)域
查找矩形區(qū)域內(nèi)的指定文本
遍歷查找到的文本并設置高亮顏色
保存文檔并關閉

代碼：

from spire.pdf import *
from spire.pdf.common import*
 
# 加載PDF文檔
pdf = PdfDocument()
pdf.LoadFromFile("南極洲.pdf")
 
# 獲取第一頁
pdfPageBase = pdf.Pages.get_Item(0)
 
# 自定義一個矩形區(qū)域
rctg = RectangleF(0.0, 0.0, pdfPageBase.ActualSize.Width, 100.0)
 
# 查找指定區(qū)域內(nèi)所有的指定文本
findCollection = pdfPageBase.FindText(rctg,"南極",TextFindParameter.IgnoreCase)
 
# 高亮匹配的文本
for find in findCollection.Finds:
    find.ApplyHighLight(Color.get_Magenta())
 
# 保存結(jié)果文件
pdf.SaveToFile("查找高亮指定區(qū)域中的文本.pdf")
pdf.Close()

輸出：

通過正則表達式查找文本并高亮

步驟：

加載PDF文檔
獲取指定的PDF頁面
指定一個正則表達式（以下示例為匹配整數(shù)或小數(shù)）
使用正則表達式查找匹配的文本
遍歷查找到的文本并設置高亮顏色
保存文檔并關閉

代碼：

from spire.pdf import *
from spire.pdf.common import*
 
# 加載PDF文檔
pdf = PdfDocument()
pdf.LoadFromFile("南極洲.pdf")
 
# 指定匹配整數(shù)或者小數(shù)的正則表達式
regex = r'[0-9]+.{0,1}[0-9]{0,2}'
 
# 獲取第一頁
page = pdf.Pages.get_Item(0)
 
# 使用正則表達式查找匹配的文本
result = page.FindText(regex, TextFindParameter.Regex)
 
# 高亮匹配的文本
for text in result.Finds:
    text.ApplyHighLight(Color.get_Cyan())
 
# 保存結(jié)果文件
pdf.SaveToFile("正則匹配.pdf")

輸出：