如何使用Fitz高亮PDF中包含指定单词的整段文本？

完全可以用Fitz实现整段高亮，核心思路是定位目标单词所在的文本块（通常对应一个段落），然后给该文本块的边界框添加高亮标注，具体步骤和代码示例如下：

实现步骤 #

1. 打开PDF并定位目标页面
   用Fitz打开目标PDF文档，获取需要处理的页面对象：

   import fitz
   
   doc = fitz.open("input.pdf")
   page = doc[0]  # 替换为目标页码（从0开始计数）
   

2. 找到目标单词所在的文本块
   Fitz的page.get_text("words")会返回页面所有单词的位置和层级信息（包含块编号、行编号），我们可以通过遍历找到包含目标单词的文本块，再计算该块的整体边界框：

   target_word = "需要定位的单词"
   target_block_no = None
   
   # 获取页面所有单词的详细信息：(x0, y0, x1, y1, 单词文本, 块编号, 行编号, 单词编号)
   all_words = page.get_text("words")
   
   # 查找包含目标单词的块编号
   for word_info in all_words:
       if word_info[4] == target_word:
           target_block_no = word_info[5]
           break
   
   # 计算目标块的整体边界框
   if target_block_no is not None:
       block_words = [w for w in all_words if w[5] == target_block_no]
       # 取块内所有单词的最小/最大坐标，得到整个块的矩形范围
       rect = fitz.Rect(
           min(w[0] for w in block_words),
           min(w[1] for w in block_words),
           max(w[2] for w in block_words),
           max(w[3] for w in block_words)
       )
   

3. 给文本块添加高亮标注
   用page.add_highlight_annot()方法给计算出的矩形添加高亮，还可以自定义高亮颜色：

   if target_block_no is not None:
       annot = page.add_highlight_annot(rect)
       # 可选：设置高亮颜色（这里是黄色，RGB值范围0-1）
       annot.colors = {"stroke": (1.0, 1.0, 0.0)}
       annot.update()
   

4. 保存修改后的PDF

   doc.save("output_highlighted.pdf")
   doc.close()
   

注意事项 #

• 多数PDF中，一个段落对应一个文本块，但部分复杂排版的PDF可能会将段落拆分为多个块，这种情况下需要通过行的位置（比如相邻行的y坐标差）判断哪些块属于同一段落，再合并它们的边界框。
• 如果目标单词在多个段落出现，需要额外逻辑处理（比如遍历所有匹配的块编号，逐个添加高亮）。

内容的提问来源于stack exchange，提问作者Jim