使用Python-docx高亮Word文档MM-DD-YYYY格式日期的技术求助

我来帮你搞定这个问题！你当前的代码会高亮整行，根源在于只要段落里检测到日期，就把段落内所有的run都标黄了——但我们真正需要的是精准定位到日期所在的文本片段，单独给这部分设置高亮。

问题核心原因 #

在python-docx里，段落(Paragraph)是由多个Run对象组成的，每个Run代表一段格式统一的连续文本。你的代码没有区分日期文本和其他文本，直接给段落里所有run都加了高亮，自然会把整行都标黄。

解决方案：精准拆分文本并高亮日期 #

我们可以通过以下步骤实现精准高亮：

1. 遍历每个段落，提取完整文本并匹配所有符合MM-DD-YYYY格式的日期。
2. 清除段落原有的Run（避免原有格式干扰，重新构建更可控）。
3. 按照日期的位置，将段落文本拆分为「普通文本段」和「日期文本段」，分别添加Run，仅给日期段设置高亮。

完整代码示例 #

import re
from docx import Document
from docx.enum.text import WD_COLOR_INDEX

def highlight_target_dates(input_doc_path, output_doc_path="highlighted_dates.docx"):
    doc = Document(input_doc_path)
    # 匹配MM-DD-YYYY格式，排除0000年的日期
    date_regex = re.compile(r"[0-9]{2}-[0-9]{2}-(?!0000)[0-9]{4}")

    for para in doc.paragraphs:
        full_text = para.text
        if not full_text:
            continue  # 跳过空段落

        # 获取所有日期的匹配结果（包含位置信息）
        date_matches = list(date_regex.finditer(full_text))
        if not date_matches:
            continue  # 段落无日期，跳过

        # 清除段落原有内容，准备重新构建
        para.clear()

        current_position = 0
        for match in date_matches:
            # 添加日期之前的普通文本
            if current_position < match.start():
                para.add_run(full_text[current_position:match.start()])
            
            # 添加高亮的日期文本
            date_run = para.add_run(match.group())
            date_run.font.highlight_color = WD_COLOR_INDEX.YELLOW
            
            current_position = match.end()
        
        # 添加最后一段日期之后的剩余文本
        if current_position < len(full_text):
            para.add_run(full_text[current_position:])

    # 保存修改后的文档
    doc.save(output_doc_path)

# 调用示例：替换成你的输入文档路径
highlight_target_dates("your_source_document.docx")

额外说明 #

• 如果需要保留原段落的字体、字号等格式，可以先记录原段落的样式（比如para.style），在添加新Run时应用该样式，或者通过更精细的Run拆分逻辑处理现有内容（相对复杂一些）。
• 正则表达式已经排除了0000年的无效日期，如果你有其他格式需求，可以调整正则规则。

内容的提问来源于stack exchange，提问作者Savita