Søg multiple pdf filer for indhold
Findes der et program / script / whatever
som kan søge multiple pdf filer igennem for den tekststreng jeg søger på ?
1. Jeg skriver et søge ord
2. Jeg får vist en liste over relevante pdf filer med det indhold jeg søger på
3. Jeg kan trykke på hver enkelte pdf fil, og få vist et preview af siden i pdfen, så jeg kan se om det er det rigtige indhold som programmet har fundet.
Jeg ved der findes et program til mac der hedder devonthink.
Til linux findes der noget der hedder recoll - recoll er dog et sindsygt ringe program - så den er udelukket.
Har i kloge hoveder en smart løsning ?. Måske en anden løsning som er bedre som jeg ikke har tænkt på ?
Vh
- Log in to post comments
Kommentarer3
Hvis din pdf filer er i
Hvis din pdf filer er i /home/stizzel/Documents/ - kan du prøve:
pdfgrep -R 'det du søger' /home/stizzel/Documents/
Ser ud til at fungere.
Apache Tika
Du kan evt. benytte Apache Tika
Den kan scanne mange andre formater udover PDF (diverse billed formater, PowerPoint, ...) og kan også OCR scanne og trække metadata med ud.
Den Gemmer i XHTML filer som du så kan søge igennem med fx. grep.
Du downloader en JAR fil, så det kræver Java for at kunne afvikle.
Dette script læser alle filer i mappen
dokumenter/og gemmer dem som XHTML filer iout/mappen:#!/usr/bin/env bash
for x in `ls dokumenter`; do
java -jar tika-app-1.20.jar dokumenter/${x} > out/${x}.xml
done
Jeg bruger Total Command via
Jeg bruger Total Commander via wine til præcis den opgave. Der er mange plugins til TC, heriblandt et PDF-plugin.
Hvis du vil have et ren linuxløsning, kunne det være Midnight Commander-> Eksternt panelisering > pdfgrep.
Ekstern panelisering vil sige at man får udfyldt en filliste med resultatet fra et ekstern program.