如何使用 pdfgrep 從終端搜尋 PDF 檔案

諸如 和 之類的命令列工具對於搜尋匹配指定的純文字非常有用。但是你有沒有試過使用這些工具在 PDF 中搜尋？不要這麼做！由於這些工具無法讀取PDF檔案，因此你不會得到任何結果。它們只能讀取純文字檔案。

顧名思義， 是一個可以在不開啟檔案的情況下搜尋 PDF 中的文字的小命令列程式。它非常快速 —— 比幾乎所有 PDF 瀏覽器提供的搜尋更快。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。

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，只要在裡輸入 “pdfgrep” 查詢，它就應該能夠安裝它。萬一你想瀏覽其程式碼，你也可以檢視專案的 。

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 是一個擴充套件正規表示式。

• FILE 如果它在相同的工作目錄就是檔案的名稱，或檔案的路徑。

我對 Python 3.6 官方文件執行該命令。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。

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。它只顯示在檔案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，該命令停止讀取檔案。

所支援的選項的完整列表可以在 man 頁面或者 pdfgrep 線上中找到。如果你在批次處理一些檔案，不要忘記，pdfgrep 可以同時搜尋多個檔案。可以透過更改 GREP_COLORS 環境變數來更改預設的匹配高亮顏色。

下一次你想在 PDF 中搜尋一些東西。請考慮使用 pdfgrep。該工具會派上用場，並且節省你的時間。

via:

作者： 譯者： 校對：