無論模式是否為多行，如何僅獲取 pdf 文件中模式的頁碼？

我在 pdf 文件中找到多行模式的頁碼，如何在 pdf 文件和文本文件中 grep 多行模式？以及 如何在pdf文件中搜尋字元串，並找到字元串出現的每一頁的物理頁碼？

$ pdfgrep -Pn '(?s)image\s+?not\s+?available'  main_text.pdf 
49: image
  not
available
51: image
  not
available
53: image
  not
available
54: image
  not
available
55: image
  not
available

我只想提取頁碼，但因為模式是多行的，我得到

$ pdfgrep -Pn '(?s)image\s+?not\s+?available'  main_text.pdf | awk -F":" '{print $1}'
49
  not
available
51
  not
available
53
  not
available
54
  not
available
55
  not
available

代替

49
51
53
54
55

我想知道如何只提取頁碼，不管模式是否是多行的？謝謝。

這有點 hacky，但由於您已經在使用與 perl 兼容的 RE，您可以使用\K“keep left”修飾符來匹配表達式中的所有內容（以及直到下一行結束的任何其他內容），但將其從輸出中排除：

pdfgrep -Pn '(?s)image\s+?not\s+?available.*?$\K'  main_text.pdf

但是，輸出仍將包含:分隔符。

添加$0~":"為 awk 辨識器。即，你得到了這條線：

.... | awk -F":" '$0~":"{print $1}'

這樣，只有當輸入行中有“：”時才會列印輸出，而其他行則被丟棄。

引用自：https://unix.stackexchange.com/questions/457844