複数のPDFファイルの中身から任意の文字を検索する方法

複数のPDFファイルの中身から任意の文字を検索する方法として、いくつかの方法やツールがあります。代表的な方法を紹介します。

1. `pdfgrep` コマンドの使用

grepのPDF版であるpdfgrepというツールがあります。これを使うと、PDFファイル内のテキストを検索することができます。grepと似たような使い方ができ、複数のPDFファイルに対して検索をかけることが可能です。

インストール:

Ubuntu/Debian 系のOSの場合:
```
sudo apt install pdfgrep
```
Mac (Homebrew) を使用している場合:
```
brew install pdfgrep
```

使い方:

pdfgrep "検索したい文字" *.pdf

このコマンドで、現在のディレクトリ内のすべてのPDFファイルに対して文字列を検索できます。grepと同様にオプションも使えます。

-r: ディレクトリ内を再帰的に検索
-i: 大文字小文字を無視して検索
-n: 行番号を表示

例:

pdfgrep -r -i "検索ワード" /path/to/directory

2. Python + PyPDF2 ライブラリ

Pythonを使って複数のPDFファイル内のテキストを検索することもできます。PyPDF2ライブラリを使うと、PDFファイルからテキストを抽出して検索を行うことができます。

例: 複数のPDFファイルに対して検索

import os
import PyPDF2

def search_in_pdfs(search_term, directory):
    # ディレクトリ内のすべてのPDFファイルを取得
    pdf_files = [f for f in os.listdir(directory) if f.endswith('.pdf')]
    
    # 各PDFファイルを検索
    for pdf_file in pdf_files:
        with open(os.path.join(directory, pdf_file), 'rb') as f:
            reader = PyPDF2.PdfReader(f)
            for page_num in range(len(reader.pages)):
                page = reader.pages[page_num]
                text = page.extract_text()
                if search_term.lower() in text.lower():
                    print(f"'{search_term}' found in {pdf_file}, page {page_num+1}")

# 使用例
search_in_pdfs("検索ワード", "/path/to/pdf/directory")