URL: https://linuxfr.org/users/eastwind/journaux/indexer-et-chercher-du-pdf-en-mode-console Title: indexer et chercher du pdf en mode console Authors: eastwind☯ Date: 2009年07月14日T17:12:21+02:00 Tags: Score: 5 Cher journal Ayant de plus en plus de document en .pdf à manipuler je me suis mis en tête de pouvoir retrouver ceux dont j'avais besoin via le terminal (en pensant a grep et find en particulier ). Hors le pdf n'est pas un format "console compliant" , en cherchant un peu chez Big Google , je suis tombé sur un article qui donnait une solution , shell en main :) . Le but est de convertir les pdf en texte dans un premier temps (on s'en doutait :) via un find et pdftotext , puis dans un second temps d'utiliser swish++ pour l'indexation et la recherche . Swish++ est un moteur de recherche en ligne de commande dérivé de Swish-e. la partie indexation : index++ -e "text:*.txt" . la partie recherche : search++ morphology and erosion and dilation not medicine En testant les commandes , je me suis aperçu d'un comportement bizarre Je cherche dans ma collection le mot clé "gnu" : aucune occurence je cherche l'expression " gnu not linux" : il me sort tout un tas d'occurence (qui ne comporte ni gnu ni linux ) . Mis à part cela la seconde question que je me pose ce situe au niveau du support d'autres langues (le français en particulier ) et la faq m'indique que le moteur n'indexe pas dans d'autres , et qu'on peut le faire mais que cela renverra lors de la recherche des résultats bizarres . Et finalement chez moi pdftotext ne supporte pas la conversion du pdf en texte avec la typographie française non plus (caractères bizarre à la place des accents etc ... ) Aurais tu cher journal de ton coté , trouver une solution d'indexation de pdf pour le français (et l'anglais ) qui soit assez satisfaisante à l'usage ? source de l'article sur debianadimin : [http://www.debianadmin.com/quick-pdf-sorting-and-searching-s(...)](http://www.debianadmin.com/quick-pdf-sorting-and-searching-swish.html)