Java 查找并高亮 Word 文字：精确查找及正则表达式模糊查找

原创

用户12416476

发布于 2026-10-09 17:37:22

330

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。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

java