grep pdf文件中的内容并将其部分写入变量答案

【问题标题】：grep content from pdf file and write it partwise into variablesgrep pdf文件中的内容并将其部分写入变量
【发布时间】：2020-03-19 01:26:19
【问题描述】：

自我介绍一下，经过几天的搜索，我才刚刚开始加入堆栈溢出。我正在做一个小项目，我的 RasPi 用说话的文件名整理我的 PDF 文档。

我将使用 pdfgrep grep 各种文件中的公司名称和日期。

代码如下：

#!/bin/bash

# set work directory
workpath=~pi/Documents/

find $workpath/ -iname '*.pdf' -print | while read FILENAME
do
        if pdfgrep -i --max-count 1 'company1' "${FILENAME}";
        then
                echo "$FILENAME";
                pdfgrep  --max-count 1 '(([0-9][0-9]{,1}\.)\s+('Januar'|'Februar'|'März'|'April'|'Mai'|'Juni'|'Juli'|'August'|'September'|'Oktober'|'November'|'Dezember')\s+([1-9][0-9][0-9][0-9]{1,}))' "${FILENAME}";
                echo "company1";
       elif pdfgrep -i --max-count 1 'company2' "${FILENAME}";
       then
               echo "$FILENAME";
               pdfgrep  --max-count 1 '('Datum:')\s+(([0-9][0-9]{,1}\.)([0-9][0-9]{,1}\.)([1-9][0-9][0-9][0-9]{1,}))'
               echo "company2";
        else
                echo "$FILENAME";
                echo "undefined document -- Error!!";
        fi
done

对于每个文件，我得到不同的内容：

公司名称

行为文件公司名称

公司名称和公司地址

还有更多不同的东西

日期也不同

dd.mm.yyyy

日期：dd.mm.yyyy

一些文字dd。年年月

_______________________dd.month yyyy

我正在寻找一种方法，只将所需的内容写入变量中，而不用周围的文字：

comp=公司名称

日期=yyyy

datem=mm / 这里我还需要知道如何将 month 转换为 mm

日期=dd

结果应该是：yyyymmdd-companyname.pdf

我从 bash 脚本开始，因为我正在使用 pdfgrep，而且我对编程语言不太熟悉。也许我在 python 中做了一些代码：S

我们将非常欢迎您的帮助！

干杯，梦想

【问题讨论】：

标签： linux bash variables grep filenames

【解决方案1】：

这不是一个完整的解决方案，而是一个提示列表。

将选项-o添加到pdfgrep命令应该只打印匹配的部分行，即消除额外的文本，如“日期：”等。

pdfgrep -o --max-count 1 '(([0-9][0-9]{,1}\.)\s+('Januar'|'Februar'|'März'|'April'|'Mai'|'Juni'|'Juli'|'August'|'September'|'Oktober'|'November'|'Dezember')\s+([1-9][0-9][0-9][0-9]{1,}))' "${FILENAME}";

由于您在

中搜索特定公司名称

if pdfgrep -i --max-count 1 'company1' "${FILENAME}";

等你真的不需要输出，你可以使用你已知的公司名称来代替。你可以添加选项-q来抑制输出

if pdfgrep -q -i --max-count 1 'company1' "${FILENAME}";

所以剩下的任务是解析各种日期/时间格式，这可以使用 Python 或 Perl 中的 strptime 函数或 Python dateutil 库来完成。见Parsing a date that can be in several formats in python

【讨论】：