如何使用 pdfgrep 從終端搜索 PDF 文件

諸如 grep 和 ack-grep 之類的命令行工具對於搜索匹配指定正則表達式的純文本非常有用。但是你有沒有試過使用這些工具在 PDF 中搜索？不要這麼做！由於這些工具無法讀取PDF文件，因此你不會得到任何結果。它們只能讀取純文本文件。

顧名思義，pdfgrep 是一個可以在不打開文件的情況下搜索 PDF 中的文本的小命令行程序。它非常快速 —— 比幾乎所有 PDF 瀏覽器提供的搜索更快。grep 和 pdfgrep 的最大區別在於 pdfgrep 對頁進行操作，而 grep 對行操作。grep 如果在一行上找到多個匹配項，它也會多次列印單行。讓我們看看如何使用該工具。

安裝

對於 Ubuntu 和其他基於 Ubuntu 的 Linux 發行版來說，這非常簡單：

sudo apt install pdfgrep

對於其他發行版，只要在包管理器里輸入 「pdfgrep」 查找，它就應該能夠安裝它。萬一你想瀏覽其代碼，你也可以查看項目的 GitLab 頁面。

測試運行

現在你已經安裝了這個工具，讓我們去測試一下。pdfgrep 命令採用以下格式：

pdfgrep [OPTION...] PATTERN [FILE...]

• OPTION 是一個額外的屬性列表，給出諸如 -i 或 --ignore-case 這樣的命令，這兩者都會忽略匹配正則中的大小寫。
• PATTERN 是一個擴展正則表達式。
• FILE 如果它在相同的工作目錄就是文件的名稱，或文件的路徑。

我對 Python 3.6 官方文檔運行該命令。下圖是結果。


紅色高亮顯示所有遇到單詞 「queue」 的地方。在命令中加入 -i 選項將會匹配單詞 「Queue」。請記住，當加入 -i 時，大小寫並不重要。

其它

pdfgrep 有相當多的有趣的選項。不過，我只會在這裡介紹幾個。

• -c 或者 --count：這會抑制匹配的正常輸出。它只顯示在文件中遇到該單詞的次數，而不是顯示匹配的長輸出。
• -p 或者 --page-count：這個選項列印頁面上匹配的頁碼和頁面上的該匹配模式出現次數。
• -m 或者 --max-count [number]：指定匹配的最大數目。這意味著當達到匹配次數時，該命令停止讀取文件。

所支持的選項的完整列表可以在 man 頁面或者 pdfgrep 在線文檔中找到。如果你在批量處理一些文件，不要忘記，pdfgrep 可以同時搜索多個文件。可以通過更改 GREP_COLORS 環境變數來更改默認的匹配高亮顏色。

總結

下一次你想在 PDF 中搜索一些東西。請考慮使用 pdfgrep。該工具會派上用場，並且節省你的時間。

via: https://www.maketecheasier.com/search-pdf-files-pdfgrep/

作者：Bruno Edoh 譯者：geekpi 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive