Van erre valami program/megoldás?

A PDF az nem szerkeszthető tehát ahoz hogy keress a szövegben át kell konvertálnod mindet.

Utána meg már egyesével world ben megnyitva tudsz keresni.

Ha a címben van adott szó amit keresel akkor írd be a windows ablak keresőjébe és szépen ott lesz az összes aminek a címe tartalmazza.

1. Milyen PDF-állományokról van szó?

Beszkennelt dokumentumok (tehát az oldalak képként vannak tárolva) vagy szövegszerkesztő programból/karakterfelismerő szoftverből kiexportált szöveges tartalmakról?

Előbbi esetben még karakterfelismerést kell végezni, utóbbi esetben már lehet keresni.

2. Ámbár a nagyobb, közismertebb PDF-olvasók - Adobe Acrobat Reader, Foxit Reader - képesek több szöveges PDF-ben való keresésre ( [link] ), de hogy ha egy - szöveges állományból származó - listából kiválasztott szavakból csak 2-tőt talál, akkor ne "jelölje", ha 2-nél többet, akkor meg igen az már komplexebb feladat (nem túl bonyolult, ha a PDF-fet átalakítod egyszerű szöveggé - erre ott a pdftotext [ [link] ] - onnantól fogva már karakterláncban történő keresés - reguláris kifejezés/awk és hasonló finomságok).

Gyorsan összedobtam egy-egy szkriptet Bash-ban:

[link]

és Pythonban:

[link]

a topiknyitó kérdésben meghatározott példa alapján

Mind a kettő hasonlóan működik: a második argumentumban megadott szövegállományt - ahol egy sor egy szót tartalmaz - megnyitjuk, szétbontjuk a sortörések mentén elemeire és a későbbiekben felhasználjuk a reguláris kifejezés megalkotására.

Az első argumentumban megadott útvonalon belül meg kilistázzuk a PDF-állományokat. A listán végigmegyünk és minden egyes PDF-állományt átalakítunk egyszerű szöveggé. Ehhez Bash-ban az előbb említett pdftotext alkalmazást, Pythonban meg a pdfminer2 modult használjuk.

Az egyszerű szövegben az előbb említett reguláris kifejezéssel kiszedjük a keresett szavakat, azokat kisbetűssé alakítjuk és elimináljuk a duplikációkat, majd megszámoljuk hány van belőlük. Ha 2-nél több, kiírjuk az éppen feldolgozott PDF-állomány nevét.

#6: Az első Linuxos (de feltételezem működésre bírható a Windows 10 WSL-jével is) Bash szkript.

Futtatásához a "szokványos" Linuxos eszközökön (ls, cat, tr, wc, sort, uniq illetve grep) kívül szükséged lesz a pdftotext nevű programra - az több pdf-eszközzel együtt telepíthető gyári tárolóból, csomagkezelőn keresztül (Ubuntu és társai alatt: sudo apt install poppler-utils).

A második egy Python-szkript.

Futtatásához szükséged lesz a Python parancsértelmezőre (a Pythonnál interpreter van, nem hagyományos értelemben vett compiler - nem fordtunk futtatható .exe-t) - ez már leírásod alapján elvileg megvan - illetve a pdfminer2 és chardet modulokra.

Ezeket legkönnyebben pip (ez egy python-modul telepítő)

[link] telepítheted:

pip install pdfminer2

pip install chardet

Maga a szkript egyszerűen futtatható:

python pdfsearch.py c:\asdasd\ words.txt

vagy:

python3 pdfsearch.py c:\asdasd\ words.txt

értelmszerűen a c:\asdasd\ és a words.txt helyére a megfelelő dolgok helyettesítendőek be.

Bár csak Linux alatt teszteltem, de futnia kellene Windows alatt is.