Python 查找PDF中的指定文本並高亮顯示

来源:https://www.cnblogs.com/Yesi/p/18080554
-Advertisement-
Play Games

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文件中快速查找並高亮指定的文本。 查找並高亮PDF中所有的指定文本 查找並高亮PDF某個區域內的指定文本 使用正則表達式搜索指定文本並高亮 本文將用到國產第三方庫 - Spire.PDF f ...


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文件中快速查找並高亮指定的文本。

  • 查找並高亮PDF中所有的指定文本
  • 查找並高亮PDF某個區域內的指定文本
  • 使用正則表達式搜索指定文本並高亮

 

本文將用到國產第三方庫 - Spire.PDF for Python,該庫提供 PdfPageBase.FindText() 方法可用於查找PDF中的特定文本,然後再使用 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 查找並高亮PDF中所有的指定文本

步驟:

  1. 載入PDF文檔
  2. 遍歷其中的頁面
  3. 查找所有指定的文本
  4. 遍歷所有查找到的文本並設置高亮顏色
  5. 保存文檔並關閉

代碼:

from spire.pdf import *
from spire.pdf.common import*
 
# 載入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())
 
# 保存結果文件
pdf.SaveToFile("查找高亮PDF文本.pdf")
pdf.Close()

輸出:

 

Python 查找並高亮PDF某個區域內的指定文本

步驟:

  1. 載入PDF文檔
  2. 獲取指定的PDF頁面
  3. 指定一個矩形區域
  4. 查找矩形區域內的指定文本
  5. 遍歷查找到的文本並設置高亮顏色
  6. 保存文檔並關閉

代碼:

from spire.pdf import *
from spire.pdf.common import*
 
# 載入PDF文檔
pdf = PdfDocument()
pdf.LoadFromFile("南極洲.pdf")
 
# 獲取第一頁
pdfPageBase = pdf.Pages.get_Item(0)
 
# 自定義一個矩形區域
rctg = RectangleF(0.0, 0.0, pdfPageBase.ActualSize.Width, 100.0)
 
# 查找指定區域內所有的指定文本
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())
 
# 保存結果文件
pdf.SaveToFile("查找高亮指定區域中的文本.pdf")
pdf.Close()

輸出:

 

通過正則表達式查找文本並高亮:

步驟:

  1. 載入PDF文檔
  2. 獲取指定的PDF頁面
  3. 指定一個正則表達式 (以下示例為匹配整數或小數)
  4. 使用正則表達式查找匹配的文本
  5. 遍歷查找到的文本並設置高亮顏色
  6. 保存文檔並關閉

代碼:

from spire.pdf import *
from spire.pdf.common import*
 
# 載入PDF文檔
pdf = PdfDocument()
pdf.LoadFromFile("南極洲.pdf")
 
# 指定匹配整數或者小數的正則表達式
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())
 
# 保存結果文件
pdf.SaveToFile("正則匹配.pdf")

輸出:


以上為三種使用Python在PDF文檔中搜索指定內容並設置文本高亮的方法。使用時可根據實際的需求或個人偏好選擇最適合的解決方案。Spire.PDF for Python庫還提供了其他的操作、處理PDF文檔的介面,教程可從此處獲取。

  


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • python基礎學習 Created: November 28, 2023 6:48 PM Tags: Beginning 值得思考的一些事情 構建一項軟體設計有兩種方式:一種是將軟體設計得足夠簡單以至於明顯找不到缺陷;另一種是軟體設計得足夠複雜以至於找不到明顯的缺陷。 ——查爾斯·安東尼·理 ...
  • 虛函數表,以及虛函數指針是實現多態性(Polymorphism)的關鍵機制。多態性允許我們通過基類的指針或引用來調用派生類的函數 定義 虛函數(Virtual Function) 定義:類中使用virtual 關鍵字修飾的函數 叫做虛函數 語法: class Base { public: virtu ...
  • 拓展閱讀 junit5 系列教程 基於 junit5 實現 junitperf 源碼分析 Auto generate mock data for java test.(便於 Java 測試自動生成對象信息) Junit performance rely on junit5 and jdk8+.(ja ...
  • https://leetcode.cn/problems/h-index/description/?envType=study-plan-v2&envId=top-interview-150 註:題目有點難理解,多讀幾遍 可以這樣考慮,建立另一個臨時數組temp,當第i篇文章被引用citiation ...
  • Java 文件操作 文件處理簡介 文件處理是任何應用程式的重要部分。Java 提供了許多用於創建、讀取、更新和刪除文件的方法。 Java 文件處理 Java 中的文件處理主要通過 java.io 包中的 File 類完成。該類允許我們處理文件,包括創建、讀取、寫入和刪除文件。 創建 File 對象 ...
  • 在數據分析相關的工作中,Pandas無疑是一個強大的工具,它的易用性和靈活性廣受青睞。然而,隨著數據量的不斷增長和計算需求的日益複雜,Pandas代碼的性能問題也逐漸浮出水面。如何讓Pandas代碼運行得更快、更高效,成為了每一個人使用者都需要面對的挑戰。 今天,本文就一個簡化版的實際分析案例,來一 ...
  • 我們可以在命令行中執行各種命令,比如,創建文件、查看文件夾下文件、調用第三方工具等等。如果想在 java 代碼中執行命令應該怎麼操作呢?我們有兩種方式可以實現。 ...
  • 目錄ScheduledThreadPoolExecutor一、概述二、常用方法1、schedule 方法2、scheduleAtFixedRate方法3.scheduleWithFixedDelay方法三、ScheduledExecutorService的創建方式 ScheduledThreadPo ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...