Необходимо просканировать пару тысяч PDF файлов на наличие строки символов.
Пошарил в инете и что то ничего подходящего не нашел пока.
В найденых решениях либо использование платных библиотек а задача одноразовая так что тратиться нет резона,
либо управление UI Adobe Reader-а иммитацией нажатий клавиш что вобщем то не очень.
Может кто-то сталкивался с подобными решениями.

В нортоне, Alt-F7, поиск по содержимому... если строка видна в PDF, или ее бинарный образ...

Оффа крут!

Первое, что приходит в голову, если ole еще не отменили. Открывать файлы свежим Word'ом, сохранять как текстовые, искать нужное. В интернетах есть упоминание о возможности использования поискового механизма ОС при наличии в системе PDF iFilter. Что это и будет ли полезным, не скажу.

Если строка символов состоит только из символов с кодами 32-126, то вполне вероятно, что сгодится простое FileToStr + At

Simple777
Оффа крут!

Не, не крут В файле PDF нет "текстового слоя" оказывается - habr.com

Народ, а откуда такая уверенность, что в в этом формате всегда можно искать текст?
Или вы не в курсе, что содержимое сих файлов может содержать только картинки и никакого текста? Хотя сам PDF - текст на языке POstScript.

Файл содержит искомое в виде текста.
Поиск в Adobe Reader работает.
Но текст закриптован и внешними программами в бинарнике не находится.

Word тоже не может его открыть.



Исправлено 1 раз(а). Последнее : _vit, 29.04.20 15:03

_vit
Файл содержит искомое в виде текста.

Спорное утверждение. В каком он виде неизвестно. Хранение и отображение - разные вещи.

Цитата:

Поиск в Adobe Reader работает.

Ну так еще бы он там не работал.

Цитата:

Но текст закриптован и внешними программами в бинарнике не находится.

И шифрование/криптование придумали дабы кто-угодно мог читать зашифрованное/закриптованное?

Цитата:

Word тоже не может его открыть.

И что в этом удивительного?

_vit
Word тоже не может его открыть.

А можно файлик на опыты?

_vit
Но текст закриптован

Тогда наверное не найти - неизвестен ни адрес хранения, ни вид... Или попробовать автоматизировать поиск (скриптами) в самом Adobe Reader, раз он извлекает строку в уже расшифрованном виде. Т.е. написать скрипт, который выполняет автоматически все те действия по поиску, которые ты сам выполняешь.

po2

_vit
Word тоже не может его открыть.

А можно файлик на опыты?

+1

ssa

_vit
Файл содержит искомое в виде текста.

Спорное утверждение. В каком он виде неизвестно. Хранение и отображение - разные вещи.

Цитата:

Поиск в Adobe Reader работает.

Ну так еще бы он там не работал.

Хорошо, я скажу немного иначе:
Файл содержит искомое в виде текста, поскольку поиск в Adobe Reader работает.
Или есть версии Adobe Reader которые умеют искать строки символов в графических объектах PDF файла?
Кстати, если кто знает такие программы которые это умеют, то меня это тоже интересует.
У нас куча PDF файлов в которых только графические объекты и было бы здорово если бы в них можно было организовать поиск.

ssa
И шифрование/криптование придумали дабы кто-угодно мог читать зашифрованное/закриптованное?

Ну вот в данном случае как раз читать может кто угодно.
Кто угодно не может копировать, редактировать и экспортировать содержимое этих файлов.

ssa
И что в этом удивительного?

Ничего.
Просто я писал на бегу, а кнопки "ответить всем" нет.
Поэтому я ответил в последнем сообщении для всех.
И это:

_vit
Word тоже не может его открыть.

Было конкретно для po2.
Я извиняюсь за причиненные Вам неудобства.



Исправлено 4 раз(а). Последнее : _vit, 29.04.20 18:42

po2

_vit
Word тоже не может его открыть.

А можно файлик на опыты?

Файлы на работе, я посмотрю завтра.

sphinx

_vit
Но текст закриптован

Тогда наверное не найти - неизвестен ни адрес хранения, ни вид... Или попробовать автоматизировать поиск (скриптами) в самом Adobe Reader, раз он извлекает строку в уже расшифрованном виде. Т.е. написать скрипт, который выполняет автоматически все те действия по поиску, которые ты сам выполняешь.

Ну вот это я и имел в виду под этим:

_vit
либо управление UI Adobe Reader-а иммитацией нажатий клавиш что вобщем то не очень.

Возможно, если это будет единственный вариант.

Вит, к проблеме подключились. Может как-то поможет (я завтра работаю, не смогу поразбираться)...

quares.ru

_vit
Необходимо просканировать пару тысяч PDF файлов на наличие строки символов.
Пошарил в инете и что то ничего подходящего не нашел пока.
В найденых решениях либо использование платных библиотек а задача одноразовая так что тратиться нет резона,
либо управление UI Adobe Reader-а иммитацией нажатий клавиш что вобщем то не очень.
Может кто-то сталкивался с подобными решениями.

чет плохо искал www.experts-exchange.com

Питон конечно не очень радует.
Но благодаря тебе я нашел кое какие библиотеки для Си Шарп.;)

_vit
Но благодаря тебе я нашел кое какие библиотеки для Си Шарп.

Так тоже бывает.

Вит, файло проблемный кинь, а. Вряд ли там супер-секретная информация. А предметнее, пощупать можно. И Дмитрий (po2) просил, и Сергей Сизов пощупал бы.