pdfgrep 和 GNU Grep 有什么区别?

pdfgrep 是专门用来在 PDF 文件里搜索文本的命令行工具，它在语法和选项上尽量兼容 GNU Grep，但核心差别在于：普通 grep 不能直接读取 PDF 内容，pdfgrep 可以。如果你的检索对象是 PDF，就该用 pdfgrep；如果只是纯文本文件，grep 已经够用，没必要替换。

核心差异

维度 GNU Grep pdfgrep
处理对象 纯文本文件、标准输入 PDF 文件
能否直接读 PDF 不能，PDF 是二进制压缩格式，直接搜会得到乱码或匹配失败 能，先解析 PDF 文本层再匹配
选项风格 基准 尽量兼容，-r、-i、-n、-c 等常见选项都支持
定位 通用文本搜索 PDF 文本检索

关键机制在于 PDF 不是纯文本：文字通常经过压缩、编码，还可能分散在多个对象里。grep 按字节流匹配，遇到 PDF 自然对不上；pdfgrep 会先把 PDF 的文本内容提取出来，再套用类似 grep 的匹配逻辑。所以 pdfgrep 的“兼容”指的是命令用法接近，而不是它能替代 grep 处理所有文件。

什么时候用哪个

  • 搜 PDF 里的关键词、批量在目录下找包含某句话的 PDF：用 pdfgrep。
  • 搜日志、代码、配置文件等纯文本：用 grep，更快也更直接。
  • 需要 grep 的高级特性（复杂正则、管道组合等）：先确认 pdfgrep 是否支持；它只承诺“在有意义的地方”兼容，不是 100% 覆盖。

常见选项对照

pdfgrep 支持的常见选项和 grep 含义基本一致：

  • -i：忽略大小写
  • -n：显示匹配所在的行号（对 PDF 而言是文本行）
  • -c：只输出匹配计数
  • -r：递归搜索目录下的文件

例如需要在一个文件夹里找所有提到某个术语的 PDF，可以递归搜索并忽略大小写，用法和 grep 的思路一致，只是把目标从文本文件换成了 PDF。

判断是否值得用

如果你的工作里经常要在 PDF 文档（报告、论文、合同、手册）中定位内容，pdfgrep 省去了先转文本再搜的步骤，值得装。如果几乎不碰 PDF，或者只需要偶尔搜一次，用现成的 PDF 阅读器搜索框可能更快，不必专门引入命令行工具。

一个前提要注意：pdfgrep 依赖 PDF 里的文本层。扫描件、图片型 PDF 没有可提取的文字，pdfgrep 搜不到内容，这类文件需要先做 OCR。

pdfgrep.org