Autor Téma: Jak hledat soubory, podle textu, který obsahují? (Přečteno 10160 krát)

compaq · « **kdy:** 23 Ledna 2013, 16:19:21 »

Potřebuji najít soubory, které obsahují klíčové slovo. Ale ne prohledat jen txt soubory, jak praví nápověda, ale všechny základní typy:

txt, odt, ods, doc, docx, xls, xlsx, pdf, ppt, atd...

U.10.04 Gnome

Tadeáš Pařík · « **Odpověď #1 kdy:** 23 Ledna 2013, 16:43:25 »

Kód: [Vybrat]

grep -r slovo_co_hledas *

Martin Šácha · « **Odpověď #2 kdy:** 23 Ledna 2013, 16:48:51 »

Citace: compaq 23 Ledna 2013, 16:19:21

všechny základní typy:
txt, odt, ods, doc, docx, xls, xlsx, pdf, ppt, atd...

Zakladni? Polovinu z tech pripon jsem ve svem systemu v zivote nevidel:)

Jestli chces systematicky prohledavat binarni bloby typu ppt a pdf, tak si najmi nejakeho inda... ten ti to projde nejrychlejc. Pochybuju totiz, ze na to nekdo psal tool...

C++odeG++irl-o.cc · « **Odpověď #3 kdy:** 23 Ledna 2013, 17:30:37 »

Dá se taky použít pdfgrep, soubory se dají do pdf konvertovat jednoduše v libreoffice nebo třeba přes convert, funguje podobně jako grep.

EDIT:

Kód: [Vybrat]

[10:41:29][code-girl][~]$ pdfgrep -c inzulín VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/*.pdf
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/Aplikace_injekci_-_TABULKA_-_priloha.pdf:3
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/Aplikace injekcí - TABULKA - příloha.pdf:3
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/aplikace tela a chladu.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/CO_TO_JE_inzul.pumpa_-_priloha.pdf:102
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/DRÉNY A DRENÁŽE.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/Infuze,transfuze,oxygenoterapie,tracheostomie.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/inkontinence.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/inzulinove_pumpy.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/Inzulin_-_priloha.pdf:70
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/Lekove_skupiny_-_tabulka.pdf:0
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:220

S přepínačem -c spočítá kolikrát se vyskytuje v souboru klíčové slovo, -p by mělo vypsat stránku...

Kód: [Vybrat]

[10:52:17][code-girl][~]$ pdfgrep -i inzulín VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/*.pdf
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:sekreci inzulínu u
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:např. inzulín lispro
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:analoga inzulínu mají
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:lidské inzulíny
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:sekreci inzulínu.
VSPJ-JIHLAVA/1.semestr/Osetrovatelske_postupy_1/LEKY.pdf:podávání inzulínu
...

Myrmica · « **Odpověď #4 kdy:** 23 Ledna 2013, 17:34:25 »

Jak naznačuje "sachy" prohledávat zmíněné formáty není problém, ale bude to hledat text přímo v binárním formátu zapsaný v souboru. To je něco jiného než pokud soubor otevřeš příslušným programem a použiješ jeho vyhledávací funkce. Z vlastní zkušenosti vím, že některé slovo je v souboru nějak zabudováno, ale otevřeš-li ten soubor odpovídajícím programem, tak ho nenajdeš a naopak, slovo zcela evidentně se vyskytující v tomto souboru při binárním hledání nenajdeš.
Pokud ti vyhovuje binární hledání a jsi jako já zatížen na klikací metody, doporučuji ti file manager Double Commander. Ten obsahuje celkem komplexní vyhledávací funkce. Např Ti umožňuje zadat několik masek prohledávaných souborů, nastavit kódování, ve kterém text bude hledat a jiné

Tadeáš Pařík · « **Odpověď #5 kdy:** 23 Ledna 2013, 18:02:19 »

Kdysi jsem na wiki dával tento návod → http://wiki.ubuntu.cz/jak_vyhled%C3%A1vat_soubory Mrkni se, jestli by něco z toho nevyhovovalo.

compaq · « **Odpověď #6 kdy:** 24 Ledna 2013, 09:17:02 »

Citace: Tadeáš Pařík 23 Ledna 2013, 16:43:25

Kód: [Vybrat]
grep -r slovo_co_hledas *

Díky, nechal jsem to běžet přes noc a nic nenašel a hledá dál. Je to normální?

Tadeáš Pařík · « **Odpověď #7 kdy:** 24 Ledna 2013, 09:31:17 »

Hledaný výraz ti to pouze zvýrazní, žádný finální výpis není a když to pustíš na celý disk, tak můžeš čekat třeba 14 dní

Zkus ten odkaz na tu wiki, co jsem sem dával, třeba to bude lepší.

compaq · « **Odpověď #8 kdy:** 24 Ledna 2013, 09:44:19 »

Tadeáši promiň, ale nerozumím... Kde mi to slovo zvýrazní? Chci najít názvy souborů, které obsahují slovo "korupce"?

Tadeáš Pařík · « **Odpověď #9 kdy:** 24 Ledna 2013, 10:11:04 »

Vytvoř si zkušební adresář "test" a v něm soubor "test.txt" s textem test. V terminálu jdi do toho zkušebního adresáře "test" a zpusť ten příkaz, uvidíš, jak se to chová:

Kód: [Vybrat]

grep -r test *

compaq · « **Odpověď #10 kdy:** 24 Ledna 2013, 10:21:42 »

Zkouším od včerejška a nefunguje spolehlivě. Například ve složce mám soubor Klient - upomínka.odt a v něm je několikrát slovo "klient" a "Klient".

Kód: [Vybrat]

grep -r Klient *
nic nenajde. Jiné slovo zase najde...

Tak takhle by to nešlo... :-)

Roman Vacho · « **Odpověď #11 kdy:** 24 Ledna 2013, 10:26:52 »

Kód: [Vybrat]

find, locate, tracker, strigi, pinot, and beagle.Backhendem je Catfish. Používám to jednou do roka, takže nevím jak co umí.

compaq · « **Odpověď #12 kdy:** 24 Ledna 2013, 10:34:51 »

Citace: Roman "Rovano" Vacho 24 Ledna 2013, 10:26:52

Kód: [Vybrat]
find, locate, tracker, strigi, pinot, and beagle.Backhendem je Catfish. Používám to jednou do roka, takže nevím jak co umí.

Díky, vyzkouším. Problém všech těchto hledačů pravděpodobně bude, že každý vyhledá něco někde a něco ne.

Podle mě, hledač, který má spolehlivost < 100% je hledač na prd.
(myslím samozřejmě jen v podporovaných typech souborů)

Podle mých laických zkušeností stačí, aby byl soubor vytvořen ve Wordu (Excelu), editován v OOO, uložen jako ODT, v názvu diakritika, mezery apod. a hledače jsou v řiti. :-) Škoda, velká škoda...

RNA · « **Odpověď #13 kdy:** 24 Ledna 2013, 10:48:05 »

Citace: compaq 24 Ledna 2013, 10:21:42

Zkouším od včerejška a nefunguje spolehlivě. Například ve složce mám soubor Klient - upomínka.odt a v něm je několikrát slovo "klient" a "Klient".
Kód: [Vybrat]
grep -r Klient *nic nenajde. Jiné slovo zase najde...
Tak takhle by to nešlo... :-)

No, to máte tak... soubor .odt je v podstatě zip archiv. Zazipovaný texy XML. Když toto vezmete v potaz, dojde Vám, proč je „spolehlivost” hledání číslo někde mezi 0 a 1. Ve skutečnosti totiž nehledáte ono slovo, ale pokoušíte se zjistit, jestli po všech těch zapracování do formátu onoho souboru zůstala zadaná sekvence ve svém původním binárním tvaru. Pokud chcete hledat konktétní slovo v odt, musíte ten soubor jednak rozzipovat a jednak převést do nějakého známého kódování.
Myslím, že neexistuje zcela univerzální prostředek na hledání datové sekvence v souboru, takový, aby si dokázal předzpracovat soubor jakéhokoli aplikačního typu.

Martin Šácha · « **Odpověď #14 kdy:** 24 Ledna 2013, 10:50:59 »

Citace: RNA 24 Ledna 2013, 10:48:05

Myslím, že neexistuje zcela univerzální prostředek na hledání datové sekvence v souboru, takový, aby si dokázal předzpracovat soubor jakéhokoli aplikačního typu.

K tomu mají nejblíže antiviry... na nejbrutálnější nastavení často umí lousknout i "hodně divné" archivy...

compaq · « **Odpověď #15 kdy:** 24 Ledna 2013, 10:53:25 »

Citace: RNA 24 Ledna 2013, 10:48:05

Myslím, že neexistuje zcela univerzální prostředek na hledání datové sekvence v souboru, takový, aby si dokázal předzpracovat soubor jakéhokoli aplikačního typu.

Konečně to někdo přiznal. Díky, nemusím se rozčilovat na chybnými výsledky vyhledávání.

Sice to nevysvětluje proč

Kód: [Vybrat]

grep -r Klient * Nenajde slovo Klient ani v názvu souboru (Klient - upomínka.odt), ale to je detail...

Martin Šácha · « **Odpověď #16 kdy:** 24 Ledna 2013, 10:56:06 »

Citace: compaq 24 Ledna 2013, 10:53:25

Sice to nevysvětluje proč
Kód: [Vybrat]
grep -r Klient *Nenajde slovo Klient ani v názvu souboru (Klient - upomínka.odt), ale to je detail...

Protože -r hledá v obsahu souboru, ne v jeho názvu.

Kód: [Vybrat]

man grep | grep "-r"

Tadeáš Pařík · « **Odpověď #17 kdy:** 24 Ledna 2013, 10:59:01 »

Njn, já to bral tak, že chce hledat v obsahu ne podle názvu.

compaq · « **Odpověď #18 kdy:** 24 Ledna 2013, 11:00:57 »

Citace: Tadeáš Pařík 24 Ledna 2013, 10:59:01

Njn, já to bral tak, že chce hledat v obsahu ne podle názvu.

Ok. Nezlobte se.

Ještě jeden dotaz. Co tedy tak dlouho indexuje například Tracker ve složce home, když klíčová slova v odt, ods, doc, docx, ppt, kterých je tam drtivá většina stejně potom nenajde? A proč?

Příloha: Tracker

[příloha smazaná administrátorem]

C++odeG++irl-o.cc · « **Odpověď #19 kdy:** 24 Ledna 2013, 11:53:11 »

Soubory podle názvu můžeš hledat taky přímo v nautilu. Z tohohle vlákna mi taky není jasné, co vlastně je účel. Jestli hledáš jen v názvech, nebo chceš hledat i v obsahu.

compaq · « **Odpověď #20 kdy:** 24 Ledna 2013, 12:00:32 »

Citace: C++odeG++irl-o.cc 24 Ledna 2013, 11:53:11

Soubory podle názvu můžeš hledat taky přímo v nautilu. Z tohohle vlákna mi taky není jasné, co vlastně je účel. Jestli hledáš jen v názvech, nebo chceš hledat i v obsahu.

Někdy v názvu, někdy v obsahu, někdy v obojím, ale spolehlivě. Nautilus má žalostně málo možností hledání, ale tak nějak nouzově lze použít... Souhlasím

Martin Šácha · « **Odpověď #21 kdy:** 24 Ledna 2013, 12:12:18 »

To se mi snad zdá. Nainstaluj si Krusader, tam je detailní klikací formulář pro hledání...

compaq · « **Odpověď #22 kdy:** 24 Ledna 2013, 12:42:19 »

Citace: Martin "sachy" Šácha 24 Ledna 2013, 12:12:18

To se mi snad zdá. Nainstaluj si Krusader, tam je detailní klikací formulář pro hledání...

Díky. Nainstaloval jsem si ho, možností je daleko více, ale v obsahu dokumentů ODT, ODS stejně nic nenajde...

Roman Vacho · « **Odpověď #23 kdy:** 24 Ledna 2013, 12:45:04 »

Tak se ještě jukni na ty CLI utilitky, co jsem Ti postoval. Třeba to nějaká umí. A potom můžeš užít ten Catfish.

compaq · « **Odpověď #24 kdy:** 24 Ledna 2013, 12:48:16 »

Citace: RNA 24 Ledna 2013, 10:48:05

No, to máte tak... soubor .odt je v podstatě zip archiv. Zazipovaný texy XML.

A kdo to chtěl? Není náhodou možnost hledání důležitější, než ušetřený prostor na disku?