Python實現(xiàn)多種場景下查找并高亮Word文檔中的文本

更新時間：2026年03月24日 08:19:02 作者：用戶033212666367

在處理長篇 Word 文檔時,快速定位關(guān)鍵信息并將其突出顯示是一項非常實用的技能,本文將深入探討如何使用 Python 實現(xiàn)多種場景下的 Word 文檔文本查找與高亮功能,有需要的小伙伴可以了解下

在處理長篇 Word 文檔時，快速定位關(guān)鍵信息并將其突出顯示是一項非常實用的技能。無論是審閱合同中的特定條款、標記技術(shù)文檔中的關(guān)鍵術(shù)語，還是在學(xué)術(shù)論文中強調(diào)重要概念，掌握文本查找和高亮技術(shù)都能顯著提高工作效率。本文將深入探討如何使用 Python 實現(xiàn)多種場景下的 Word 文檔文本查找與高亮功能。

為什么需要查找并高亮文本

在文檔處理和審閱工作流程中，文本查找和高亮有著廣泛的應(yīng)用：

文檔審閱：快速標記合同、協(xié)議中的關(guān)鍵條款和條件
學(xué)習輔助：在教材、論文中高亮重要概念和定義
質(zhì)量控制：標記需要修改或注意的文本段落
信息提取：突出顯示特定類型的數(shù)據(jù)，如日期、金額、人名等
協(xié)作編輯：為團隊成員標記需要關(guān)注的內(nèi)容區(qū)域

通過 Python 自動化這一過程，可以實現(xiàn)批量處理、模式匹配和集成到更大的文檔管理工作流中。

環(huán)境準備

在開始之前，需要安裝支持 Word 文檔操作的 Python 庫。Spire.Doc for Python 提供了全面的 API 來處理 DOCX 格式文檔的文本查找和高亮功能。

pip install Spire.Doc

安裝完成后，在 Python 腳本中導(dǎo)入相關(guān)模塊即可開始工作：

from spire.doc import *
from spire.doc.common import *

基礎(chǔ)查找與高亮流程

Word 文檔文本高亮的核心步驟包括：加載文檔、查找目標文本、應(yīng)用高亮顏色、保存結(jié)果。以下是最基礎(chǔ)的全文本高亮示例：

當你需要在整個文檔中查找并高亮所有匹配的特定文本時，可以使用 FindAllString() 方法。這個方法會返回一個包含所有匹配文本選擇對象的集合，然后你可以遍歷這個集合并為每個匹配項設(shè)置高亮顏色。這種方法適用于需要全局標記特定詞匯的場景，比如在合同中標記所有的"甲方"和"乙方"：

from spire.doc import *
from spire.doc.common import *

inputFile = "示例.docx"
outputFile = "高亮結(jié)果.docx"

# 創(chuàng)建 Word 文檔對象
document = Document()

# 從磁盤加載文檔
document.LoadFromFile(inputFile)

# 查找文本（區(qū)分大小寫，不區(qū)分全角半角）
textSelections = document.FindAllString("韓國", False, True)

# 為所有查找到的文本設(shè)置高亮顏色
for selection in textSelections:
    selection.GetAsOneRange().CharacterFormat.HighlightColor = Color.get_Yellow()

# 保存修改后的文檔
document.SaveToFile(outputFile, FileFormat.Docx)
document.Close()

上述代碼展示了最基本的查找和高亮流程。FindAllString() 方法接受三個參數(shù)：要查找的文本、是否區(qū)分大小寫、是否區(qū)分全角半角字符。返回的 textSelections 集合包含了文檔中所有匹配的文本范圍，通過遍歷這個集合，我們可以為每個匹配項應(yīng)用相同的高亮樣式。

使用不同顏色高亮

在實際應(yīng)用中，你可能需要使用不同的顏色來區(qū)分不同類型的文本。這種多色高亮功能對于分類標記、優(yōu)先級區(qū)分等場景非常有用：

當需要同時標記多種類型的文本時，可以為每種類型分配不同的顏色。例如，在法律文檔中，可以用黃色標記甲方信息，用綠色標記乙方信息，用粉色標記金額數(shù)字。這種視覺上的區(qū)分有助于快速識別和理解文檔結(jié)構(gòu)：

from spire.doc import *
from spire.doc.common import *

inputFile = "示例.docx"
outputFile = "多色高亮.docx"

document = Document()
document.LoadFromFile(inputFile)

# 查找并高亮 - 使用黃色
partyA_selections = document.FindAllString("韓國", False, True)
for selection in partyA_selections:
    selection.GetAsOneRange().CharacterFormat.HighlightColor = Color.get_Yellow()

# 查找并高亮 - 使用綠色
partyB_selections = document.FindAllString("上海", False, True)
for selection in partyB_selections:
    selection.GetAsOneRange().CharacterFormat.HighlightColor = Color.get_LightGreen()

# 保存文檔
document.SaveToFile(outputFile, FileFormat.Docx)
document.Close()

Spire.Doc 支持多種預(yù)定義顏色，包括 Yellow（黃色）、LightGreen（淺綠色）、Pink（粉色）、Cyan（青色）、Magenta（洋紅色）等。你可以根據(jù)實際需要選擇合適的顏色組合，創(chuàng)建清晰的視覺層次。

高級查找：使用正則表達式

對于更復(fù)雜的查找需求，比如查找特定格式的日期、郵箱地址或電話號碼，可以使用正則表達式進行模式匹配：

當需要查找的文本遵循某種模式而非固定字符串時，正則表達式提供了強大的匹配能力。例如，你可能需要高亮文檔中所有的日期（格式為 YYYY-MM-DD）、所有的郵箱地址，或者所有以特定前綴開頭的編號。使用正則表達式可以精確匹配這些模式，而不僅僅是固定的文本：

from spire.doc import *
from spire.doc.common import *

inputFile = "例子.docx"
outputFile = "正則高亮.docx"

document = Document()
document.LoadFromFile(inputFile)


# 1. 查找并高亮日期 (YYYY-MM-DD)
date_regex = Regex(r"\d{4}-\d{2}-\d{2}")
date_selections = document.FindAllPattern(date_regex)

if date_selections:
    for selection in date_selections:
        # 獲取匹配到的文本范圍并設(shè)置高亮
        selection.GetAsOneRange().CharacterFormat.HighlightColor = Color.get_Cyan()

# 2. 查找并高亮郵箱
email_regex = Regex(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}")
email_selections = document.FindAllPattern(email_regex)

if email_selections:
    for selection in email_selections:
        selection.GetAsOneRange().CharacterFormat.HighlightColor = Color.get_Magenta()

# --- 保存結(jié)果 ---
document.SaveToFile(outputFile, FileFormat.Docx)
document.Close()

FindAllPattern() 方法專門用于正則表達式匹配，它會查找文檔中所有符合指定模式的文本。這種方法特別適用于：

查找各種格式的日期和時間
標記電話號碼、傳真號碼
高亮網(wǎng)址、郵箱地址
識別產(chǎn)品編號、訂單號等結(jié)構(gòu)化數(shù)據(jù)

實戰(zhàn)：智能文檔標注工具

結(jié)合以上技術(shù)，可以構(gòu)建一個智能文檔標注工具，自動識別并高亮多種類型的信息：

import os
from spire.doc import *
from spire.doc.common import *

class DocumentHighlighter:
    def __init__(self, doc_file):
        self.doc_file = doc_file
        self.document = Document()
        self.document.LoadFromFile(doc_file)
    
    def _apply_highlight(self, selections, color):
        """內(nèi)部輔助方法：遍歷并應(yīng)用高亮"""
        if selections:
            for selection in selections:
                # 獲取匹配到的文本范圍并設(shè)置高亮
                selection.GetAsOneRange().CharacterFormat.HighlightColor = color
            return len(selections)
        return 0

    def highlight_keywords(self, keywords, color=None):
        """高亮指定的關(guān)鍵詞列表（精確匹配字符串）"""
        if color is None:
            color = Color.get_Yellow()
        
        total = 0
        for keyword in keywords:
            # FindAllString 參數(shù)：待查文本, 是否區(qū)分大小寫, 是否全字匹配
            selections = self.document.FindAllString(keyword, False, True)
            total += self._apply_highlight(selections, color)
        
        print(f"已高亮關(guān)鍵詞：{', '.join(keywords)} (共 {total} 處)")
    
    def highlight_dates(self, color=None):
        """高亮文檔中的所有日期 (YYYY-MM-DD)"""
        if color is None:
            color = Color.get_Cyan()
        
        # 使用 Spire 專用的 Regex 包裝
        pattern = Regex(r"\d{4}-\d{2}-\d{2}")
        selections = self.document.FindAllPattern(pattern)
        
        count = self._apply_highlight(selections, color)
        print(f"已高亮日期：共 {count} 處")
    
    def highlight_emails(self, color=None):
        """高亮文檔中的所有郵箱地址"""
        if color is None:
            color = Color.get_Magenta()
        
        pattern = Regex(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}")
        selections = self.document.FindAllPattern(pattern)
        
        count = self._apply_highlight(selections, color)
        print(f"已高亮郵箱：共 {count} 處")
    
    def highlight_phone_numbers(self, color=None):
        """高亮文檔中的電話號碼"""
        if color is None:
            color = Color.get_LightGreen()
        
        # 優(yōu)化后的電話正則，適配更穩(wěn)健
        pattern = Regex(r"(+?\d{1,3}[-.\s]?)?((?\d{3})?[-.\s]?)?\d{3}[-.\s]?\d{4}")
        selections = self.document.FindAllPattern(pattern)
        
        count = self._apply_highlight(selections, color)
        print(f"已高亮電話：共 {count} 處")
    
    def custom_highlight(self, pattern_str, color, is_regex=False):
        """自定義高亮規(guī)則"""
        if is_regex:
            # 如果是正則，必須包裝
            selections = self.document.FindAllPattern(Regex(pattern_str))
        else:
            selections = self.document.FindAllString(pattern_str, False, True)
        
        count = self._apply_highlight(selections, color)
        print(f"已應(yīng)用自定義高亮 '{pattern_str}'：共 {count} 處")
    
    def save(self, output_file):
        """保存修改后的文檔"""
        self.document.SaveToFile(output_file, FileFormat.Docx)
        print(f"文檔已保存：{output_file}")
    
    def close(self):
        """釋放資源"""
        if self.document:
            self.document.Close()

# --- 使用示例 ---
# 確保文件路徑正確
input_path = "商務(wù)合同.docx" 
if os.path.exists(input_path):
    highlighter = DocumentHighlighter(input_path)

    # 1. 高亮關(guān)鍵術(shù)語
    highlighter.highlight_keywords(["甲方", "乙方", "合同期限", "違約責任"])

    # 2. 高亮日期
    highlighter.highlight_dates()

    # 3. 高亮聯(lián)系方式
    highlighter.highlight_emails()
    highlighter.highlight_phone_numbers()

    # 4. 自定義正則高亮（例如：匹配“人民幣...元”）
    highlighter.custom_highlight(r"人民幣\d+(.\d+)?元", Color.get_Pink(), is_regex=True)

    highlighter.save("已標注合同.docx")
    highlighter.close()
else:
    print(f"未找到輸入文件: {input_path}")

這個工具類提供了：

批量關(guān)鍵詞高亮功能
自動識別日期、郵箱、電話號碼
自定義正則表達式高亮規(guī)則
靈活的顏色配置選項
資源管理和進度反饋

常見問題與解決方案

問題 1：部分匹配項未被高亮

確保查找參數(shù)設(shè)置正確，特別是大小寫和全角半角設(shè)置：

# 不區(qū)分大小寫，不區(qū)分全角半角
selections = document.FindAllString("keyword", False, True)

問題 2：高亮顏色不明顯

選擇對比度較高的顏色，或者考慮同時加粗文本：

char_format = selection.GetAsOneRange().CharacterFormat
char_format.HighlightColor = Color.get_Yellow()
char_format.Bold = True  # 同時加粗

問題 3：正則表達式匹配過多內(nèi)容

優(yōu)化正則表達式模式，使其更加精確：

# 更精確的日期匹配，避免匹配到其他數(shù)字
date_pattern = r'\b\d{4}-\d{2}-\d{2}\b'

問題 4：處理大型文檔時速度慢

對于大型文檔，可以考慮分批次處理或限制查找范圍：

# 只在前 10 頁中查找
for i in range(min(10, document.Sections.Count)):
    section = document.Sections[i]
    # 在特定節(jié)中查找

總結(jié)

查找并高亮 Word 文檔中的文本是文檔自動化處理中的實用技能。通過本文的介紹，我們學(xué)習了：

使用 FindAllString() 方法進行基礎(chǔ)文本查找和高亮
應(yīng)用多種顏色區(qū)分不同類型的文本
利用正則表達式進行高級模式匹配
構(gòu)建智能文檔標注工具的實戰(zhàn)應(yīng)用
處理常見問題的技巧和最佳實踐

這些技術(shù)可以直接應(yīng)用于合同審閱、學(xué)術(shù)寫作、技術(shù)文檔編輯、數(shù)據(jù)分析報告等實際場景。掌握了基礎(chǔ)的查找和高亮方法后，還可以進一步探索批量文檔處理、與其他 Office 應(yīng)用的集成、以及結(jié)合自然語言處理技術(shù)進行智能內(nèi)容分析，構(gòu)建更加完善的文檔自動化系統(tǒng)。

到此這篇關(guān)于Python實現(xiàn)多種場景下查找并高亮Word文檔中的文本的文章就介紹到這了,更多相關(guān)Python查找并高亮Word內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: