![如何在同一页面中找到包含多个关键字的 pdf 和 epub 文件?](https://linux22.com/image/1601412/%E5%A6%82%E4%BD%95%E5%9C%A8%E5%90%8C%E4%B8%80%E9%A1%B5%E9%9D%A2%E4%B8%AD%E6%89%BE%E5%88%B0%E5%8C%85%E5%90%AB%E5%A4%9A%E4%B8%AA%E5%85%B3%E9%94%AE%E5%AD%97%E7%9A%84%20pdf%20%E5%92%8C%20epub%20%E6%96%87%E4%BB%B6%EF%BC%9F.png)
我有一个很大的目录,里面有很多 pdf 和 epub 电子书文件。我想搜索同一页面上包含多个关键字的文件。
答案1
选择任何可以从单个页面提取文本的实用程序(例如pdftext
),遍历所有页面并提取文本,将正则表达式应用于提取的文本。
或者,使用您选择的编程语言、您选择的 PDF 库并为其编写程序。
电子书
epub 只是一个 zip 文件。解压后,您会得到许多 html 文件。您可以扫描这些文件以查找正则表达式,或者先使用某些工具将它们转换为纯文本,而不必考虑格式。
请注意,epub 文件从根本上没有页面:分页将由渲染设备完成,并且对于每个渲染设备来说可能都不同。因此,必须以某种方式更改“在同一页面上查找多个关键字”以考虑到这一点,可能使用 html 结构。