在pdf文件上grep能正常工作嗎？

是否可以使用'grep'命令搜索多個pdf文件。它似乎不工作，人們如何搜索多個PDF文件的內容？在pdf文件上grep能正常工作嗎？

2010-04-22 Sam

我猜通過pdftotext搜索也是一個可行的選擇http://www.linuxjournal.com/video/searching-pdf-files-grep – Sam 2010-04-22 05:57:10

我認爲這取決於你的實際嘗試了很多實現這一點並不多說。如果你只是做一個用戶...如果我記得adobe acrobat允許你一次搜索多個pdf。 – xenoterracide 2010-04-22 06:08:05

感謝您的提示，我應該看到這個早期的Adobe Reader確實有一個功能，您可以通過它們的View - > Search選項在多個文檔中進行搜索。我的印象是這個不存在，因此看着grep命令。 – Sam 2010-04-22 06:23:38

使用類似Solr或clucene我認爲他們可以做你想做的。

來源

2010-04-22 05:48:13 xenoterracide

我只是尋找一個簡單的搜索功能在這裏 – Sam 2010-04-22 06:18:21

要注意：在未來，簡單搜索更多的是超級用戶問題，imo。我回答了這些問題，因爲這些解決方案可能會以編程方式執行。 – xenoterracide 2010-04-22 08:50:50

Pdf是一種二進制格式，這就是爲什麼使用grep進行搜索沒有什麼幫助。您可以搜索字符串是使用grep一個pdf這樣的：

ls dir_with_pdfs/*.pdf|xargs strings|grep "keyword"

或者你也可以在PDF的使用pdf2text命令，然後搜索使用grep的結果。

來源

2010-04-22 05:48:54

對不起，這只是無稽之談！ PDF通常使用壓縮對象，即使對象是未壓縮的，文本也只是部分用pdf格式的明文編寫。 – topskip 2010-04-22 12:12:03

嘛，PDF是一種二進制格式，就好像它們是文字

grep -a

的grep可以搜索二進制文件，也可以只使用pdftotext（附帶的xpdf）是這樣的：

pdftotext whee.pdf | grep pattern

來源

2010-04-22 05:49:43

grep -a ==似乎不起作用 – Sam 2010-04-22 06:01:06

只有在要搜索的文件名之後傳遞「 - 」，我才能得到此命令。即 pdftotext whee.pdf - | grep模式 – Sam 2010-04-22 06:19:53

哦，奇怪的...... - 意味着標準輸出（這是你需要的文本傳遞給管道才能正常工作），在我的shell中，你不需要指定afaik。 – 2010-04-22 06:24:27

你沒有提到你使用的操作系統，但在Mac OS X中，可以使用mdfind命令行：

mdfind -onlyin search/directory/path "kind:pdf search text"

來源

2010-04-22 07:00:49 Coxy

PDF是用於顯示頁面的對象的二進制轉儲。可能有一些可以grep的元數據，但實際的頁面文本位於Postscript流中，可能以各種方式進行編碼。它也不保證以任何順序。您需要將PDF視爲更像是一個矢量圖像文件而不是文本文件。

有一個簡短的文章在http://pdf.jpedal.org/java-pdf-blog/bid/27187/Understanding-the-PDF-file-format-text-streams

來源

2010-04-22 08:08:20

如果您pdftotext通過popplar包安裝說明中更詳細的PDF文本，那就試試這個perl腳本：

#!/usr/bin/perl 
my $p = shift; 
foreach my $fn (@ARGV) { 
    open(F,"pdftotext $fn - |"); 
    while (<F>) { print "$fn:$_" if /$p/; } 
    close(F); 
}

來源

2011-11-06 04:19:30

此工具pdfgrep會做工作。它有一個類似於grep的語法。在幾個文件中搜索只是一個簡單的shell腳本。例如：

$> ls Documents/*.pdf | xargs pdfgrep -n -H "system" 
Documents/2005-DoddGutierrezRO-MAN1.pdf:1: designed episodic memory system 
Documents/2005-DoddGutierrezRO-MAN1.pdf:1: how ISAC's episodic memory system is 
Documents/2005-DoddGutierrezRO-MAN1.pdf:1: cognitive system employs a combination 
....

來源

2012-03-01 11:54:10 dlobato

在pdf文件上grep能正常工作嗎？

回答

相關問題