[linux] Linux Verzamelmail, Volume 46, Nummer 10

[Gijs Hillenius]

On 19 June 2020 10:32 Jan Paul Smit, wrote:


[...]


> Bovendien gaat het mij eigenlijk heel eenvoudig om zo nu en dan mijn –
> voornamelijk Word 97 – documenten in mijn map Documenten op een bepaald
> woord te doorzoeken, als ik er niet uit kom met zoeken op een woord(deel)
> in de bestandsnaam.

Jan Paul,

Je gebruikt Ubuntu, toch? Werkt dit?

https://help.ubuntu.com/stable/ubuntu-help/files-search.html.en


Het is me uit de eerder posts hier niet 1 2 3 duidelijk of je deze
documenten wel of niet kan openen met bijvoorbeeld LibreOffice? Da's
helemaal niet hetzelfde als zoeken in alle documenten. Maar het is toch
handig om te weten.

Als grep en strings je nu niet helpen, overweeg dan om die documenten te
exporteren naar text. Dat kan op vele manieren.

Ik raad je pandoc aan. Dat moet je misschien nog even installeren, maar
daar krijg je geen spijt van.

Wat ik hieronder doe heb ik op een zootje bestanden getest, en het werkt
hier. Maar toch - doe onderstaand *niet* in "echte" folder, maar maak
een tijdelijke kopie in bijvoorbeeld /tmp/hutsefluts en zet daar alle
documenten die je wilt converteren.

open een shell
ga naar die folder - in mijn geval is dat dan:

cd /tmp/hutsefluts

en tiep dan

find . -name \*.docx -type f -exec pandoc -o {}.txt {} \;

Dit betekent: vind alle files (geen directories) die .docx als
achtervoegsel hebben, geef ze een voor een aan pandoc, en pandoc,
converteer ze naar txt.

Als je nog oudere documenten hebt in doc, dan brandt Pandoc zich daar
niet aan. Dan moet het via LibreOffice, bijvoorbeeld

find . \( -name \*.doc -o -name \*.docx \) -type f -exec soffice --headless --convert-to txt:Text  {} \;

Dit betekent: vind alle files doc en of docx en voer ze aan libreoffice
(synonyiem in de commandline soffice) om er text van te maken.

Dan heb je in die folder .txt exports, en die zijn veel makkelijker te
doorzoeken. Als het naar tevredenheid werkt, kan je tzt al je doc en docx
bestanden opruimen. En da's het beste wat je kan doen met gesloten
bestandsformaten.