如何在目录/子目录中搜索 PDF 文件的内容？我正在寻找一些命令行工具。 grep好像不能搜索PDF文件。
【问题讨论】：
标签： linux pdf full-text-search grep debian
【讨论】：
pdfgrep 现在确实具有该递归选项，包括 -R 也可以遵循符号链接
您的发行版应提供一个名为 pdftotext 的实用程序：
find /path -name '*.pdf' -exec sh -c 'pdftotext "{}" - | grep --with-filename --label="{}" --color "your pattern"' \;
“-”是 pdftotext 输出到标准输出所必需的，而不是文件。
--with-filename 和 --label= 选项会将文件名放在 grep 的输出中。
可选的 --color 标志很好，它告诉 grep 在终端上使用颜色输出。
（在 Ubuntu 中，pdftotext 由包 xpdf-utils 或 poppler-utils 提供。）
如果您想使用pdfgrep 不支持的GNU grep 的功能，这种方法使用pdftotext 和grep 比pdfgrep 具有优势。 注意：pdfgrep-1.3.x 支持-C 选项用于打印上下文行。
【讨论】：
grep 过滤了打印的文件名。
pdfgrep 解决方案非常适合快速和简单的搜索，但我通常想获得一些上下文，因为单行不会有足够的帮助 - 所以我添加到这个答案中：例如，您可以在“您的模式”之前添加 -C5 选项以在输出中包含 5 行上下文 - pdfgrep 不支持此
pdfgrep 没用，它报告了大量无法处理的文件垃圾。另一方面，您的解决方案有所帮助。所以请不要删除它，即使在 3 年后它仍然有用！
Recoll 是一款出色的 Unix/Linux 全文 GUI 搜索应用程序，支持包括 PDF 在内的数十种不同格式。它甚至可以将查询的确切页码和搜索词传递给文档查看器，从而允许您直接从其 GUI 跳转到结果。
Recoll 还带有一个可行的命令行界面和一个web-browser interface。
【讨论】：
recoll / xapian 会怎样？谢谢！
recoll user manual 可能包含一些指针，但提供了相当技术性和“离题”的阅读...
pwd ext:pdf 'neuro*' -- stackoverflow 吃掉了 pwd 周围的反引号。
我的 pdfgrep (1.3.0) 的实际版本允许：
pdfgrep -HiR 'pattern' /path
在做pdfgrep --help时：
它在我的 Ubuntu 上运行良好。
【讨论】：
还有一个名为ripgrep-all 的实用程序，它基于ripgrep。
它可以处理的不仅仅是PDF文档，比如Office文档和电影，作者claims比pdfgrep更快。
递归搜索当前目录的命令语法，第二个仅限于PDF文件：
rga 'pattern' .
rga --type pdf 'pattern' .
【讨论】：
我制作了这个破坏性小脚本。玩得开心。
function pdfsearch()
{
find . -iname '*.pdf' | while read filename
do
#echo -e "\033[34;1m// === PDF Document:\033[33;1m $filename\033[0m"
pdftotext -q -enc ASCII7 "$filename" "$filename."; grep -s -H --color=always -i $1 "$filename."
# remove it! rm -f "$filename."
done
}
【讨论】：
$filename. 输入grep。
我喜欢@sjr 的回答，但我更喜欢 xargs 和 -exec。我发现 xargs 更通用。例如，使用 -P，我们可以在有意义的情况下利用多个 CPU。
find . -name '*.pdf' | xargs -P 5 -I % pdftotext % - | grep --with-filename --label="{}" --color "pattern"
【讨论】：
xargs'并行处理能力的有趣点。请注意，您的--label 选项参数将字面上 {}，因为grep 命令现在不再在find 的exec 的上下文中执行。
【讨论】：
pdfgrep 解决方案或 sjr 的单线慢得多，即使在我 Ctrl- C 终止它。
如果您想使用 pdftotext 查看文件名，请使用以下命令：
find . -name '*.pdf' -exec echo {} \; -exec pdftotext {} - \; | grep "pattern\|pdf"
【讨论】：
首先将所有 pdf 文件转换为文本文件：
for file in *.pdf;do pdftotext "$file"; done
然后照常使用grep。这特别好，因为当您有多个查询和大量 PDF 文件时它会很快。
【讨论】：
ag github.com/ggreer/the_silver_searcher 结合使用时。能够以微秒的时间在 psychedeliks Gb 上进行解析。终身平面文件
有一个开源的公共资源 grep 工具 crgrep 可以搜索 PDF 文件以及其他资源，例如嵌套在档案中的内容、数据库表、图像元数据、POM 文件依赖项和 Web 资源 - 以及这些资源的组合，包括递归搜索。
“文件”选项卡下的完整说明几乎涵盖了该工具支持的内容。
我将 crgrep 开发为开源工具。
【讨论】：
您需要一些像 pdf2text 这样的工具来首先将您的 pdf 转换为文本文件，然后在文本中进行搜索。 （您可能会错过一些信息或符号）。
如果您使用的是编程语言，则可能有为此目的编写的 pdf 库。例如http://search.cpan.org/dist/CAM-PDF/ 用于 Perl
【讨论】：
尝试在上述简单脚本中使用“acroread”
【讨论】：