如何使用 pdfgrep 从终端搜索 PDF 文件

Question

诸如 grep 和 ack-grep 之类的命令行工具对于搜索匹配指定 正则表达式 的纯文本非常有用。但是你有没有试过使用这些工具在 PDF 中搜索？不要这么做！由于这些工具无法读取 PDF 文件，因此你不会得到任何结果。它们只能读取纯文本文件。

顾名思义， pdfgrep 是一个可以在不打开文件的情况下搜索 PDF 中的文本的小命令行程序。它非常快速 —— 比几乎所有 PDF 浏览器提供的搜索更快。 grep 和 pdfgrep 的最大区别在于 pdfgrep 对页进行操作，而 grep 对行操作。 grep 如果在一行上找到多个匹配项，它也会多次打印单行。让我们看看如何使用该工具。

安装

对于 Ubuntu 和其他基于 Ubuntu 的 Linux 发行版来说，这非常简单：

sudo apt install pdfgrep

对于其他发行版，只要在 包管理器 里输入 “pdfgrep” 查找，它就应该能够安装它。万一你想浏览其代码，你也可以查看项目的 GitLab 页面 。

测试运行

现在你已经安装了这个工具，让我们去测试一下。 pdfgrep 命令采用以下格式：

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

• OPTION 是一个额外的属性列表，给出诸如 -i 或 --ignore-case 这样的命令，这两者都会忽略匹配正则中的大小写。

• PATTERN 是一个扩展正则表达式。

• FILE 如果它在相同的工作目录就是文件的名称，或文件的路径。

我对 Python 3.6 官方文档运行该命令。下图是结果。

红色高亮显示所有遇到单词 “queue” 的地方。在命令中加入 -i 选项将会匹配单词 “Queue”。请记住，当加入 -i 时，大小写并不重要。

其它

pdfgrep 有相当多的有趣的选项。不过，我只会在这里介绍几个。

• -c 或者 --count ：这会抑制匹配的正常输出。它只显示在文件中遇到该单词的次数，而不是显示匹配的长输出。
• -p 或者 --page-count ：这个选项打印页面上匹配的页码和页面上的该匹配模式出现次数。
• -m 或者 --max-count [number]：指定匹配的最大数目。这意味着当达到匹配次数时，该命令停止读取文件。

所支持的选项的完整列表可以在 man 页面或者 pdfgrep 在线 文档 中找到。如果你在批量处理一些文件，不要忘记， pdfgrep 可以同时搜索多个文件。可以通过更改 GREP_COLORS 环境变量来更改默认的匹配高亮颜色。

总结

下一次你想在 PDF 中搜索一些东西。请考虑使用 pdfgrep 。该工具会派上用场，并且节省你的时间。