Python 查找PDF中的指定文本并高亮显示

波涛凶涌

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：

1. pip install Spire.PDF

复制代码

 
Python 查找并高亮PDF中所有的指定文本

步骤：

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

代码：

1. from spire.pdf import *
2. from spire.pdf.common import*
4. # 加载PDF文档
5. pdf = PdfDocument()
6. pdf.LoadFromFile("南极洲.pdf")
8. # 遍历PDF中所有页面
9. for i in range(pdf.Pages.Count):
10.     page = pdf.Pages.get_Item(i)
11.     # 查找所有指定文本
12.     result = page.FindText("南极", TextFindParameter.IgnoreCase)
13.     # 高亮匹配的文本
14.     for text in result.Finds:
15.         text.ApplyHighLight(Color.get_Lime())
17. # 保存结果文件
18. pdf.SaveToFile("查找高亮PDF文本.pdf")
19. pdf.Close()

复制代码

输出：

 
Python 查找并高亮PDF某个区域内的指定文本

步骤：

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

代码：

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

复制代码

输出：

 
通过正则表达式查找文本并高亮：

步骤：

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

代码：

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

复制代码

输出：

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，教程可从此处获取。
　　

来源:https://www.cnblogs.com/Yesi/p/18080554
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！