使用fitz page.add_highlight_annot高亮PDF文本异常求助

你当前的核心问题是对page.add_highlight_annot(start=pointa, stop=pointb)的参数理解错误：这里的start和stop并非页面坐标点，而是页面文本的字符索引位置（整数类型）。传入坐标点后fitz无法正确解析，因此默认高亮了整页内容。

另外你的类写法不规范——初始化逻辑直接放在类顶层会导致类定义时就执行代码，应放到__init__方法中。

方案一：基于文本字符索引高亮 #

先获取页面完整文本，定位起始词和结束词的字符位置，再用这些索引创建高亮（适合排版简单的PDF）：

import fitz
import config

class FindTextblock:
    def __init__(self):
        doc = fitz.open(config.fpath_int + "/test_saurce.pdf")
        for page in doc:
            page_text = page.get_text()
            # 定位起始词的起始索引
            start_idx = page_text.find("Therapievorschlag")
            # 定位结束词的结束索引（包含结束词本身）
            end_idx = page_text.find("EU-Verordnung") + len("EU-Verordnung")
            
            if start_idx != -1 and end_idx != -1:
                page.add_highlight_annot(start=start_idx, stop=end_idx)
        
        doc.save("test.pdf")

FindTextblock()

方案二：基于单词矩形合并高亮 #

针对排版复杂（如分栏、文字换行拆分）的PDF，收集起始词到结束词之间所有单词的矩形，合并后创建高亮：

import fitz
import config

class FindTextblock:
    def __init__(self):
        doc = fitz.open(config.fpath_int + "/test_saurce.pdf")
        for page in doc:
            wordlist = page.get_text("words")
            # 按垂直、水平排序，保证阅读顺序正确
            wordlist.sort(key=lambda w: (w[1], w[0]))
            start_found = False
            highlight_rects = []
            
            for w in wordlist:
                word_text = w[4]
                if word_text == "Therapievorschlag":
                    start_found = True
                    highlight_rects.append(fitz.Rect(w[:4]))
                elif start_found and word_text == "EU-Verordnung":
                    highlight_rects.append(fitz.Rect(w[:4]))
                    break
                elif start_found:
                    highlight_rects.append(fitz.Rect(w[:4]))
            
            if highlight_rects:
                # 合并所有矩形
                combined_rect = fitz.Rect()
                for rect in highlight_rects:
                    combined_rect |= rect
                page.add_highlight_annot(combined_rect)
        
        doc.save("test.pdf")

FindTextblock()

• 方案一中find方法只会返回第一个匹配的位置，若页面存在多个相同关键词，需额外处理匹配逻辑。
• 方案二更适配复杂排版场景，基于单词矩形的高亮精度更高。

内容的提问来源于stack exchange，提问作者kalimero00