☰

PDF 阅读器中的正则表达式搜索

tag-icon • tag-icon regular-expression pdf zathura documents pdfgrep
PDF 阅读器中的正则表达式搜索

我正在使用 zathura，因为我喜欢它的极简主义方法，但如果这能解决我的问题，我也会切换到 mupdf 或其他任何东西。

我需要从头到尾逐个突出显示每个单词（在 PDF 和 epub 文档中），因为如果文本中有某种动作，我可以更好地专注于文本。我的方法是执行匹配每个单词的正则表达式搜索，但 zathura 和 mupdf 都不支持搜索中的正则表达式。有没有办法做到这一点？

我会尝试分叉 zathura，但说实话，如果有另一个最小的 Gnu/Linux 兼容文档查看器可以满足我的需要，我真的不想花那么多时间。如果有任何方法可以使用终端工具（例如 pdfgrep 在 zathura 中突出显示结果），也可以完成这项工作。

答案1

基本文本选择

根据扎图拉维基百科页面：

Zathura 可以搜索文本并将文本复制到主 X 选区

这意味着您在阅读时选择文本的能力是内置的，尽管它可能需要使用鼠标（您很难找到键盘控制选择的解决方案）。

您需要多简约？我用阿特里尔，一个重量稍轻的叉子表明（GNOME 文档查看器）。 Atril 是作为MATE桌面版（GNOME 2 的延续）。它非常轻量，尽管它仍然具有 GTK+ 依赖性。

另一种选择是Xpdf应用。也可以看看维基百科的 PDF 软件列表 § Linux 和 Unix。

正则表达式

我所知道的唯一（可用的）正则表达式搜索实现，除了诸如命令行工具之外pdfgrep，实际上是您的网络浏览器。这不太好用，但 Firefox 中有一个解决方案：在 Firefox 中打开 PDF，然后打开开发人员工具 Javascript 控制台（F12 或 Ctrl+Shift+K）。运行这些命令：

» pdf = document.getElementById("viewer").innerText.replace(/[ \t]+/g, " ");
» function grep(what, context=100) { return pdf.match(RegExp(`[\\s\\S]{0,${context}}${what}[\\s\\S]{0,${context}}`), "img"); }
» grep("put your regex here")
» grep("get more context", 300)

请注意，您必须转义反斜杠。该grep命令有一个可选的第二个参数，即每侧提供的上下文字符数（默认= 100）。

Chrome 和其他带有内置 PDF 查看器的浏览器应该非常相似，但是您必须弄清楚哪个 HTML 对象保存了实际的 PDF 内容（这是id="viewer"Firefox 的元素，不确定其他浏览器 - 在最坏的情况下，只是使用document.body代替document.getElementById("viewer"). 您可以匹配目录中的项目。）

答案2

如果我没记错的话，Adobe Acrobat Reader有一个名为的函数read out loud，它从头到尾选择每个单词。

相关内容