perl - 如何从 Perl 对 PDF 文件进行全文搜索？

Question

我有一堆 PDF 文件，我的 Perl 程序需要对它们进行全文搜索，以返回哪些文件包含特定字符串。
到目前为止，我一直在使用这个:

my @search_results = `grep -i -l \"$string\" *.pdf`;

其中 $string 是要查找的文本。
然而，这对于大多数 pdf 来说都失败了，因为文件格式显然不是 ASCII。

我能做什么最简单？

澄清:
大约有 300 个 pdf 的名字我事先不知道。 PDF::Core 可能有点矫枉过正。鉴于我不知道 pdf 的名称，我试图让 pdftotext 和 grep 相互配合，我还找不到正确的语法。

使用 Adam Bellaire 建议的最终解决方案如下:

@search_results = `for i in \$( ls ); do pdftotext \$i - | grep --label="\$i" -i -l "$search_string"; done`;

Answer 1

PerlMonks 线程 here谈到这个问题。

似乎对于您的情况，获取 可能最简单。 pdftotext (命令行工具)，然后您可以执行以下操作:

my @search_results = `pdftotext myfile.pdf - | grep -i -l \"$string\"`;