Java 查找并高亮 Word 文字：精确查找及正则表达式模糊查找

最近在处理一批 Word 报告时，遇到了一个需求：把文档中涉及“风险”的文字标记出来，方便后续检查。

如果只是查找一个词，可以使用 Word 自带的查找功能。但实际处理时，需求可能更具体，比如只标记第一次出现的关键词、标记所有匹配位置，或者一次匹配“风险评估”“风险分析”“风险排查”等不同表述。

本文记录如何使用 Spire.Doc for Java 实现这几种文本查找和高亮操作。

一、准备环境

使用 Maven 项目时，可以在pom.xml中添加以下配置：

<repositories> <repository> <id>com.e-iceblue</id> <name>e-iceblue</name> <url>https://repo.e-iceblue.cn/repository/maven-public/</url> </repository> </repositories> <dependencies> <dependency> <groupId>e-iceblue</groupId> <artifactId>spire.doc</artifactId> <version>14.9.5</version> </dependency> </dependencies>

这里使用14.9.5版本作为示例，并非要求必须使用最新版本。

准备一个名为input.docx的 Word 文档，内容如下：

项目风险需要提前识别。

本周完成风险评估，下周开始风险排查。

风险分析结果需要记录。

其他部门的风险评估也要跟进。

下面分别处理首次匹配、全部匹配和正则表达式匹配。

二、只高亮第一次出现的关键词

如果只需要标记文档中第一次出现的“风险”，可以使用Document.findString()方法。

import com.spire.doc.Document; import com.spire.doc.FileFormat; import com.spire.doc.documents.TextSelection; import java.awt.Color; public class HighlightFirstOccurrence { public static void main(String[] args) { // 加载 Word 文档 Document document = new Document(); try { document.loadFromFile("input.docx"); // 查找第一次出现的关键词 TextSelection selection = document.findString("风险", false, false); // 设置匹配文本的高亮颜色 if (selection != null) { selection.getAsOneRange() .getCharacterFormat() .setHighlightColor(Color.YELLOW); } // 保存 Word 文档 document.saveToFile( "HighlightFirst.docx", FileFormat.Docx_2013); } finally { document.dispose(); } } }

findString()的两个布尔参数分别表示是否区分大小写，以及是否只匹配完整单词。该方法返回一个TextSelection对象，因此只会对找到的第一个匹配结果设置高亮。对于示例文档，第一句中的“风险”会被标记为黄色，后面出现的相同文字则保持不变。

另外，代码检查了匹配结果是否为null，避免关键词不存在时出现空指针异常。

三、高亮所有匹配的关键词

如果需要标记整个文档中的所有“风险”，可以将findString()换成findAllString()。

import com.spire.doc.Document; import com.spire.doc.FileFormat; import com.spire.doc.documents.TextSelection; import java.awt.Color; public class HighlightAllOccurrences { public static void main(String[] args) { // 加载 Word 文档 Document document = new Document(); try { document.loadFromFile("input.docx"); // 查找所有匹配的关键词 TextSelection[] selections = document.findAllString("风险", false, false); // 遍历匹配结果并设置高亮 if (selections != null) { for (TextSelection selection : selections) { selection.getAsOneRange() .getCharacterFormat() .setHighlightColor(Color.YELLOW); } } // 保存 Word 文档 document.saveToFile( "HighlightAll.docx", FileFormat.Docx_2013); } finally { document.dispose(); } } }

两者最大的区别在于返回值：

• findString()返回一个TextSelection，用于处理首次匹配。

• findAllString()返回一个TextSelection[]，用于处理全部匹配。

示例文档中的“风险”共出现 5 次，因此使用findAllString()时，这 5 处文字都会被高亮。

这里通过getAsOneRange()获取匹配的文本范围，再使用getCharacterFormat().setHighlightColor()设置黄色高亮。

这种操作修改的是匹配文字的高亮格式，而不是将所在段落整体设置为黄色。

四、使用正则表达式进行灵活匹配

前面两种方法都适合搜索固定字符串。不过，当需要查找的文字存在一定变化时，正则表达式会更方便。

例如，我们希望同时高亮以下三种表述：

• 风险评估

• 风险分析

• 风险排查

并且允许“风险”和后面的词之间存在空格。

可以使用下面的正则表达式：

Pattern pattern = Pattern.compile( "风险\\s*(评估|分析|排查)");

其中：

风险表示固定匹配这两个汉字。

\\s*表示允许出现零个或多个空白字符。在 Java 字符串中，反斜杠需要转义。

(评估|分析|排查)表示匹配三个选项中的任意一个。

1. 高亮第一个正则匹配结果

如果只需要处理第一个符合模式的文本，可以使用findPattern()：

import com.spire.doc.Document; import com.spire.doc.FileFormat; import com.spire.doc.documents.TextSelection; import java.awt.Color; import java.util.regex.Pattern; public class HighlightFirstPattern { public static void main(String[] args) { // 加载 Word 文档 Document document = new Document(); try { document.loadFromFile("input.docx"); // 定义正则表达式 Pattern pattern = Pattern.compile( "风险\\s*(评估|分析|排查)"); // 查找第一个符合正则表达式的文本 TextSelection selection = document.findPattern(pattern); // 设置匹配文本的高亮颜色 if (selection != null) { selection.getAsOneRange() .getCharacterFormat() .setHighlightColor(Color.YELLOW); } // 保存 Word 文档 document.saveToFile( "HighlightFirstPattern.docx", FileFormat.Docx_2013); } finally { document.dispose(); } } }

对于示例文档，首先匹配到的是“风险评估”。

2. 高亮所有正则匹配结果

若要处理所有符合条件的文本，则使用findAllPattern()：

import com.spire.doc.Document; import com.spire.doc.FileFormat; import com.spire.doc.documents.TextSelection; import java.awt.Color; import java.util.regex.Pattern; public class HighlightAllPatterns { public static void main(String[] args) { // 加载 Word 文档 Document document = new Document(); try { document.loadFromFile("input.docx"); // 定义正则表达式 Pattern pattern = Pattern.compile( "风险\\s*(评估|分析|排查)"); // 查找所有符合正则表达式的文本 TextSelection[] selections = document.findAllPattern(pattern); // 遍历匹配结果并设置高亮 if (selections != null) { for (TextSelection selection : selections) { selection.getAsOneRange() .getCharacterFormat() .setHighlightColor(Color.YELLOW); } } // 保存 Word 文档 document.saveToFile( "HighlightAllPatterns.docx", FileFormat.Docx_2013); } finally { document.dispose(); } } }

该方法接收java.util.regex.Pattern对象，并返回匹配结果数组。

对于准备的示例内容，预计会匹配到两处“风险评估”、一处“风险排查”和一处“风险分析”，共 4 处。

值得注意的是，正则表达式实现的是基于规则的灵活匹配，并不等同于语义模糊搜索。例如，该表达式不会自动识别“潜在隐患”和“风险”之间的语义关联。

五、实际使用中需要注意的问题

1. 正则表达式不一定能跨越复杂的 Word 结构

Word 文档中的内容可能被拆分成多个文本对象，尤其是包含不同字体、域、文本框或修订内容时。

因此，对于普通段落中的文本，可以按照上述方式查找；但如果正则表达式需要跨段落或跨复杂文档对象匹配，应另外进行测试，不能简单假设所有连续可见的文字都能作为一个整体匹配。

2. 多个关键词可以用正则表达式合并查找

例如，要同时标记“风险”“延期”和“违约”，可以使用：

Pattern pattern = Pattern.compile( "风险|延期|违约");

再通过findAllPattern()获取所有匹配项。

这通常比针对每个关键词单独编写一段查找代码更简洁。

3. 高亮颜色可以修改

除了黄色，也可以使用其他颜色，例如：

selection.getAsOneRange() .getCharacterFormat() .setHighlightColor(Color.GREEN);

需要说明的是，setHighlightColor()设置的是 Word 文本高亮颜色，并不是字体颜色。

4. 输出文件应与源文件分开

示例中每次都重新加载input.docx，并保存为新的文件。这样既可以保留原始内容，也可以避免前一次高亮操作影响后续示例。