pdf关键词highlight

dlwjmcf

起个名字：没想过，就叫“一键Highlight PDF 关键词”吧！
背景故事：为了满(ying)足(fu)第三方审计要求，他们的参考文献需要Highlight以体现阅读了文章，所以搞了个一键Hightlight关键字
开发出来的新玩法：筛选大会pdf版日程的时候，先用这个脚本跑一遍，Highlight出关键字，然后点开注释栏，只看Highlight的东西就好了

主要是用到fitz库处理pdf，功能比较简单，做一个解决日常工作中问题的小工具也无妨。

[Python] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

import fitz import os     data_dir_in = "raw/"                                                        # 输入路径 data_dir_out = "out/"                                                     # 输出路径   # 颜色设置：R/255，G/255，B/255 Red = [1, 0.8, 0.8] Aqua = [0.5, 1, 1] Yellow = [1, 0.9, 0.6] Green = [0.6, 1, 0.6]   # 关键词(不区分大小写，首字母除外)和颜色 keywords = [["asthma",Green],                         ["IgE",Aqua],                         ["omalizumab",Red],                         ["biologic",Yellow]]   # 读取文件列表 def getRawFileList(path):                                                # 获取一个文件夹下的全部文件名      files = []      names = []      for f in os.listdir(path):          if not f.endswith("~") or not f == "":                # 返回指定的文件夹包含的文件或文件夹的名字的列表              files.append(os.path.join(path, f))                # 把目录和文件名合成一个路径              names.append(f)      return files, names   # highlight def highlight_pdf(in_path,name):         doc = fitz.open(in_path)                                        # 打开pdf         for page in doc:                                                        # 历遍页面                 for i in keywords:                                        # 历遍关键词                         text_instances = page.searchFor(i[0])                # 查找关键词，生成列表                         for inst in text_instances:                        # highlight列表                                 highlight = page.addHighlightAnnot(inst)                                 highlight.setColors(stroke=i[1])                                 highlight.update()         doc.save("out/"+name, garbage=4, deflate=True, clean=True)                # 保存pdf     def main():      files,names = getRawFileList(data_dir_in)                # 获取文件列表      count_num=len(files)                                                # 文件计数        for i in range(0,len(files)):                                                # 历遍文件           print ("正在Highlight第{0}篇pdf".format(i+1))           highlight_pdf(files[i],names[i])                                # highlight           print ("第{0}篇Highlight完成".format(i+1))     if __name__ == '__main__':      main()

运行效果：


更新记录
V1.0.0. 日期忘记留了
1. 正式上线，满足基本功能
        
V2.0.0. 日期又忘记留了
1. 关键字改为列表，可以同时设置多个关键字
        
V3.0.0. 没错，还是没记日期
1. 支持了为不同关键字设置不同颜色

xiaoxiaohuy

学习了解