linux - 如何将 xargs 与 pdftotext 转换器耦合以在多个 pdf 文件中搜索

Question

我正在制作一个脚本，该脚本应该在目录中的所有 pdf 文件中进行搜索。我找到了一个名为“pdftotext”的转换文件，它使我能够在 pef 文件上使用 grep，但我只能用一个文件运行它。当我想对目录中存在的所有文件运行它时，它会失败。有什么建议 ？

这有效:对于单个文件

pdftotext my_file.pdf - | grep 'hot'

这失败了:用于搜索 pdf 文件并转换为文本和 greping

SHELL PROMPT>find ~/.personal/tips -type f -iname "*" | grep -i "*.pdf" | xargs pdftotext |grep admin
pdftotext version 3.00
Copyright 1996-2004 Glyph & Cog, LLC
Usage: pdftotext [options] <PDF-file> [<text-file>]
  -f <int>          : first page to convert
  -l <int>          : last page to convert
  -layout           : maintain original physical layout
  -raw              : keep strings in content stream order
  -htmlmeta         : generate a simple HTML file, including the meta information
  -enc <string>     : output text encoding name
  -eol <string>     : output end-of-line convention (unix, dos, or mac)
  -nopgbrk          : don't insert page breaks between pages
  -opw <string>     : owner password (for encrypted files)
  -upw <string>     : user password (for encrypted files)
  -q                : don't print any messages or errors
  -cfg <string>     : configuration file to use in place of .xpdfrc
  -v                : print copyright and version info
  -h                : print usage information
  -help             : print usage information
  --help            : print usage information
  -?                : print usage information
SHELL PROMPT 139>

Answer 1

xargs 是这项工作的错误工具:find 内置了您需要的一切。

find ~/.personal/tips \
    -type f \
    -iname "*.pdf" \
    -exec pdftotext '{}' - ';' \
  | grep hot

---

就是说，如果您确实出于某种原因想要使用xargs，正确的用法应该类似于...

find ~/.personal/tips \
    -type f \
    -iname "*.pdf" \
    -print0 \
  | xargs -0 -J % -n 1 pdftotext % - \
  | grep hot

注意:

• find 命令使用 -print0 对其输出进行 NUL 分隔
• xargs 命令使用 -0 对其输入进行 NUL 分隔(这也关闭了一些行为，这些行为会导致不正确地处理名称中包含空格的文件名，文字引号字符等)。
• xargs 命令使用-n 1 为每个文件调用一次pdftotext
• xargs 命令使用 -J % 指定替换应该发生的位置的标记，并在 pdftotext 命令中使用该 %适本地行。