search keywords in a lot of Pdfs

durchsuche_pdfs.rb

require "pdf-reader"

dateiname = []

print "Bitte geben Sie die zu suchenden Worte ein: "
words = gets.strip.split(/\s+/mi).collect { |w|
  dateiname << w
  Regexp.new(w.to_s, Regexp::MULTILINE + Regexp::IGNORECASE)
}

pdfs = {}

Dir["*.pdf"].each { |filename|
  pdf = PDF::Reader.new(filename)
  pdfs[filename] = {}
  pdf.pages.each { |page|
    pdfs[filename][page.number] = page.text
  }
  puts "\"#{ filename }\" importiert."
}

auswerten = ""

pdfs.each { |filename, pdf|
  pdf.each { |number, text|
    words.each { |w|
      if text =~ w then
        a = "#{ w.inspect } :: #{ filename } :: Seite #{ number }\n"
        auswerten += a
        puts a
      end
    }
  }
  auswerten += "\n"
  puts ""
}
File.open("auswertung_#{ dateiname.join('_')}.txt", "w") { |f|
  f.write auswerten
}

durchsuche_pdfs_mit_textausgabe.rb

require "pdf-reader"

dateiname = []

print "Bitte geben Sie die zu suchenden Worte ein: "
words = gets.strip.split(/\s+/mi).collect { |w|
  dateiname << w
  Regexp.new(w.to_s, Regexp::MULTILINE + Regexp::IGNORECASE)
}

pdfs = {}

Dir["*.pdf"].each { |filename|
  pdf = PDF::Reader.new(filename)
  pdfs[filename] = {}
  pdf.pages.each { |page|
    pdfs[filename][page.number] = page.text
  }
  puts "\"#{ filename }\" importiert."
}

auswerten = ""

pdfs.each { |filename, pdf|
  pdf.each { |number, text|
    words.each { |w|
      if text =~ w then
        a = "#{ w.inspect } :: #{ filename } :: Seite #{ number }\r\n"
        ttt = text.gsub(/\s+/mi, ' ').split(/\s+/)
        t_new = ""
        ttt.each_index { |i|
          i2 = (-5..5).to_a
          if ttt[i] =~ w then
            t_new += '> '
            i2.each { |ii|
              ii += i
              if ii >= 0 and ii < ttt.length then
                t_new += ttt[ii] + ' '
              end
            }
            t_new += "\r\n"
          end
        }
        a += t_new + "\r\n\r\n"
        auswerten += a
        puts a
      end
    }
  }
  auswerten += "\n"
  puts ""
}

File.open("auswertung_mit_text___#{ dateiname.join('_')}.txt", "w") { |f|
  f.write auswerten
}