linux - 使用 shell 在 pdf 中查找字符串

Question

我想知道是否有任何方法可以使用 shell 脚本检查 pdf 文件中是否有字符串？我在寻找类似的东西:

if [search(string,pdf_file)] > 0 then  
   echo "exist"
fi

Answer 1

此方法按页转换 .pdf 文件，因此可以更具体地定位搜索字符串 $query 的出现位置。

# search for query string in available pdf files pagewise
for i in *.pdf; do
    pagenr=$(pdfinfo "$i" | grep "Pages" | grep -o "[0-9][0-9]*")
    fileid="\n$i\n"
    for (( p=1; p<=pagenr; p++ )); do
        matches=$(pdftotext -q -f $p -l $p "$i" - | grep --color=always -in "$query")
        if [ -n "$matches" ]; then
            echo -e "${fileid}PAGE: $p"
            echo "$matches"
            fileid=""
        fi
    done
done

pdftotext -f $p -l $p 将要转换的范围限制为仅由数字 $p 标识的一页。 grep --color=always 允许在随后的 echo 中保护匹配高亮。 fileid="" 只是确保 .pdf 文档的文件名对于多个匹配只打印一次。