Найти текст в PDF
Ищет строку по всем страницам, показывает фрагменты и умеет выгрузить результаты в JSON.
Что делает скрипт
Скрипт извлекает текст через pdfplumber и ищет заданную подстроку с учётом или без учёта регистра. Для каждого совпадения выводится номер страницы и короткий фрагмент. Если ничего не найдено, команда завершается с кодом 1, что удобно для проверок.
Быстрый старт
python search_pdf_text.py document.pdf --query 'договор'
Скачайте файл, откройте терминал в папке со скриптом и выполните команду.
В Linux и macOS интерпретатор может называться python3, в Windows - python или py.
Другие варианты
python search_pdf_text.py book.pdf --query 'итог' --ignore-casepython search_pdf_text.py report.pdf --query '2026' --json hits.json --limit 50
Что понадобится
winget install Python.Python.3.12
brew install python
sudo apt install python3
py -m pip install pdfplumber
python3 -m pip install pdfplumber
python3 -m pip install pdfplumber
search_pdf_text.py
#!/usr/bin/env python3
"""Поиск подстроки в тексте PDF."""
from __future__ import annotations
import argparse
import json
import re
import sys
from pathlib import Path
import pdfplumber
def main() -> int:
parser = argparse.ArgumentParser(description="Найти текст в PDF")
parser.add_argument("input", type=Path, help="Исходный PDF")
parser.add_argument("--query", required=True, help="Искомая строка")
parser.add_argument("--ignore-case", action="store_true", help="Не учитывать регистр")
parser.add_argument("--limit", type=int, default=200, help="Максимум совпадений")
parser.add_argument("--password", help="Пароль PDF")
parser.add_argument("--json", type=Path, help="Сохранить результаты в JSON")
args = parser.parse_args()
path = args.input.expanduser()
if not path.is_file():
print(f"Файл не найден: {path}", file=sys.stderr)
return 2
if not args.query:
print("Пустой запрос", file=sys.stderr)
return 2
if args.limit < 1:
print("--limit должен быть не меньше 1", file=sys.stderr)
return 2
flags = re.IGNORECASE if args.ignore_case else 0
hits: list[dict[str, object]] = []
try:
with pdfplumber.open(str(path), password=args.password or "") as pdf:
for number, page in enumerate(pdf.pages, start=1):
text = page.extract_text() or ""
for match in re.finditer(re.escape(args.query), text, flags):
start = max(0, match.start() - 60)
end = min(len(text), match.end() + 60)
snippet = " ".join(text[start:end].split())
hits.append({"page": number, "text": snippet})
if len(hits) >= args.limit:
break
if len(hits) >= args.limit:
break
except Exception as error:
print(f"Не удалось прочитать PDF: {error}", file=sys.stderr)
return 1
if not hits:
print("Совпадений не найдено")
return 1
for hit in hits:
print(f"стр. {hit['page']}: {hit['text']}")
print(f"Всего совпадений: {len(hits)}")
if args.json:
target = args.json.expanduser()
target.parent.mkdir(parents=True, exist_ok=True)
payload = {"file": str(path), "query": args.query, "hits": hits}
target.write_text(json.dumps(payload, ensure_ascii=False, indent=2) + "\n", encoding="utf-8")
print(f"Отчёт сохранён: {target}")
return 0
if __name__ == "__main__":
raise SystemExit(main())
Скрипты работают с файлами и настройками системы. Перед запуском прочитайте код и проверьте пути. Особенно если скрипт удаляет, перезаписывает или перемещает данные.