web-dev-qa-db-ja.com

多くのPDFを含むZipファイルから特定のPDFを抽出する

与えられた：

  • Zipファイルの名前と場所。例：collectionOfPdfFiles2017.Zip
    • Zipファイルは、フォルダー構造のないPDFのコレクションです。
  • PDF Zip-File内のファイルの名前。例：someFileFrom2017.pdf

募集：

  • 指定されたZipファイルから名前付きPDF=を抽出するコンソールの方法
  • ファイルは変更しないでください。
    • 基本的に、抽出されたファイルは、アーカイブ全体を抽出し、必要なファイルを手動でコピーすることで取得するのと同じ状態にする必要があります。
  • 理想的には宛先フォルダに。しかし、それは贅沢です。

どうすればよいですか？現在、ZIP内のPDFファイル内の文字列を検索し、その中にZipの名前とpdfを出力するスクリプトがあります。これは、わかりやすいように投稿します。

    #!/bin/bash
    echo "Hi I'll find text in pdf files that are stored inside Zip files."
    echo ""
    echo "Enter search string:"
    read searchString

    echo "Ok. I'll search all Zip files for content with this text..."

    for z in *.Zip
    do
    zipinfo -1 "$z" |  # Get the list of filenames in the Zip file
        while IFS= read -r f
        do
        unzip -p "$z" "$f" | # Extract each PDF to standard output instead of a file
            pdftotext - - | # Then convert it to text, reading from stdin, writing to stdout
            grep -q $searchString && echo "$z -> $f" # And finally grep the text
        done
    done

このスクリプトは this answer のおかげで作成されました。

command-linebashpdfzipextract
2
KFleischer

zipアーカイブから特定のファイルを解凍する

unzip -j "myarchive.Zip" "in/archive/file.pdf" -d "/destination/path/"

あなたのスクリプトで

# Set a destination path
dest="/path/to/unzip/to"
# dump pdf to temp text file
tempfile=$(mktemp)
# unzip the file to stdOut and convert it to text
unzip -p "$z" "$f" | pdftotext - $tempfile
if grep -q $searchString $tempfile; then
    unzip -j "$z" "$f" -d "$dest"
    # some text output
    echo "$z -> $f"
fi
rm $tempfile
2
cmak.fr