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。
![pdfgrep search](/data/attachment/album/201801/16/132005kwnwdjgo6d76wigi.png "pdfgrep search")
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
本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive