Project Icon

ripgrep-all

扩展ripgrep的多格式文件搜索工具

ripgrep-all是一个基于ripgrep的命令行搜索工具,扩展了对PDF、电子书、Office文档和压缩文件等多种格式的搜索支持。它能够递归搜索归档文件,匹配各种已知文件类型中的文本。该工具提供多种适配器,允许自定义扩展,并通过缓存机制提高重复搜索效率。ripgrep-all支持Linux、macOS和Windows平台,适合需要进行全文搜索的开发人员和高级用户使用。

rga:ripgrep,但还可以搜索PDF、电子书、Office文档、zip、tar.gz等文件

rga是一个面向行的搜索工具,允许你在多种文件类型中查找正则表达式。rga封装了强大的ripgrep,使其能够搜索pdf、docx、sqlite、jpg、电影字幕(mkv、mp4)等文件。

github repo Crates.io fearless concurrency

更多详情,请参阅这篇介绍性博文:https://phiresky.github.io/blog/2019/rga--ripgrep-for-zip-targz-docx-odt-epub-jpg/

rga会递归地深入归档文件,并在它知道的每种文件类型中匹配文本。

这里是一个包含不同文件类型的示例目录

demo/
├── greeting.mkv
├── hello.odt
├── hello.sqlite3
└── somearchive.zip
├── dir
│ ├── greeting.docx
│ └── inner.tar.gz
│ └── greeting.pdf
└── greeting.epub

rga输出

与fzf集成

rga-fzf

有关将rga与fzf集成的说明,请参阅wiki

安装

Linux x64、macOS和Windows的二进制文件可在GitHub Releases中获取。

Linux

Arch Linux

pacman -S ripgrep-all

Nix

nix-env -iA nixpkgs.ripgrep-all

基于Debian的系统

下载rga二进制文件并通过以下方式获取依赖项:

apt install ripgrep pandoc poppler-utils ffmpeg

如果您的软件源中没有ripgrep,请从这里获取。

rga将在$PATH和其所在目录中搜索它调用的所有二进制文件。

Windows

请注意,通过chocolateyscoop安装是唯一支持的下载方法。如果您手动从releases下载二进制文件,将无法获得依赖项(例如来自poppler的pdftotext)。

如果出现"VCRUNTIME140.DLL找不到"等错误,需要安装vc_redist.x64.exe

Chocolatey

choco install ripgrep-all

Scoop

scoop install rga

Homebrew/Linuxbrew

可以使用Homebrew安装rga

brew install rga

安装非必需但非常有用的依赖项:

brew install pandoc poppler ffmpeg

MacPorts

也可以通过MacPorts在macOS上安装rga

sudo port install ripgrep-all

从源代码编译

rga应该可以用稳定版Rust(v1.75.0+,用rustc --version检查)编译。要构建它,请运行以下命令(或在您的操作系统中的等效命令):

~$ apt install build-essential pandoc poppler-utils ffmpeg ripgrep cargo
~$ cargo install --locked ripgrep_all
~$ rga --version    # 现在应该可以工作了

可用适配器

rga使用适配各种文件格式的"适配器"工作。它集成了一些适配器:

rga --rga-list-adapters

您还可以添加自定义适配器。更多信息请参阅wiki

适配器:

  • pandoc 使用pandoc将二进制/不可读的文本文档转换为纯markdown格式文本 运行:pandoc --from= --to=plain --wrap=none --markdown-headings=atx
    扩展名:.epub, .odt, .docx, .fb2, .ipynb, .html, .htm

  • poppler 使用pdftotext(来自poppler-utils)从PDF文件中提取纯文本 运行:pdftotext - -
    扩展名:.pdf
    MIME类型:application/pdf

  • postprocpagebreaks 为指定页面分隔符为ASCII页面分隔字符的输入文件的每行添加页码。 主要供poppler适配器内部使用。
    扩展名:.asciipagebreaks

  • ffmpeg 使用ffmpeg提取视频元数据/章节、字幕、歌词和其他元数据
    扩展名:.mkv, .mp4, .avi, .mp3, .ogg, .flac, .webm

  • zip 将zip文件作为流读取并递归进入其内容
    扩展名:.zip, .jar
    MIME类型:application/zip

  • decompress 将压缩文件作为流读取并对内容运行不同的提取器。
    扩展名:.als, .bz2, .gz, .tbz, .tbz2, .tgz, .xz, .zst
    MIME类型:application/gzip, application/x-bzip, application/x-xz, application/zstd

  • tar 将tar文件作为流读取并递归进入其内容
    扩展名:.tar

  • sqlite 使用sqlite绑定将sqlite数据库转换为简单的纯文本格式
    扩展名:.db, .db3, .sqlite, .sqlite3
    MIME类型:application/x-sqlite3

以下适配器默认禁用,可以使用'--rga-adapters=+foo,bar'启用:

  • mail 读取邮箱/邮件文件并对内容和附件运行提取器。
    扩展名:.mbox, .mbx, .eml
    MIME类型:application/mbox, message/rfc822

用法:

rga [RGA选项] [RG选项] 模式 [路径 ...]

标志:

--rga-accurate

使用更精确但速度较慢的按 MIME 类型匹配

默认情况下,rga 将使用文件扩展名进行匹配。某些程序,如 sqlite3,完全不关心文件扩展名,因此用户有时会使用任意扩展名或不使用扩展名。使用此标志,rga 将尝试通过魔术字节(类似于 file 工具)检测输入文件的 MIME 类型,并用它来选择适配器。检测仅在文件的前 8KiB 进行,因为我们并不总能在输入(如压缩文件中)中任意定位。

--rga-no-cache

禁用结果缓存

默认情况下,如果提取的文本足够小,rga 会将其缓存到数据库中。在 Linux 上,路径为 ${XDG_CACHE_DIR-~/.cache}/ripgrep-all;在 macOS 上,路径为 ~/Library/Caches/ripgrep-all;在 Windows 上,路径为 C:\Users\username\AppData\Local\ripgrep-all。这样,对同一组文件的重复搜索会快得多。如果传递此标志,所有缓存将被禁用。

-h, --help

打印帮助信息

--rga-list-adapters

列出所有已知适配器

--rga-print-config-schema

打印配置文件的 JSON Schema

--rg-help

显示 ripgrep 本身的帮助信息

--rg-version

显示 ripgrep 本身的版本

-V, --version

打印版本信息

选项:

--rga-adapters=<适配器>...

更改要使用的适配器及其优先级顺序(降序)

"foo,bar" 表示仅使用适配器 foo 和 bar。"-bar,baz" 表示使用除 bar 和 baz 之外的所有默认适配器。"+bar,baz" 表示使用所有默认适配器以及 bar 和 baz。

--rga-cache-compression-level=<压缩级别>

在存储到缓存数据库之前应用于适配器输出的 ZSTD 压缩级别

范围从 1 到 22 [默认值:12]

--rga-config-file=<配置文件路径>

--rga-max-archive-recursion=<最大压缩包递归深度>

递归进入压缩包的最大嵌套深度 [默认值:5]

--rga-cache-max-blob-len=<最大 blob 长度>

缓存的最大压缩大小

存储在缓存中的最长字节长度(压缩后)。超过此长度的适配器输出将不会被缓存,每次都会重新计算。

命令行允许的后缀:k M G [默认值:2000000]

--rga-cache-path=<路径>

存储缓存数据库的路径 [默认值:/home/phire/.cache/ripgrep-all]

-h 显示简明概述,--help 显示更多详细信息和高级选项。

这里未显示的所有其他选项都直接传递给 rg,特别是 [PATTERN] 和 [PATH ...]

配置

配置文件位置利用以下机制定义:

  • 在 Linux 上使用 XDG 基本目录XDG 用户目录 规范(例如:~/.config/ripgrep-all/config.jsonc
  • 在 Windows 上使用 Known Folder API(例如:C:\Users\Alice\AppData\Roaming\ripgrep-all/config.jsonc
  • 在 macOS 上遵循 Standard Directories 指南(例如:~/Library/Application Support/ripgrep-all/config.jsonc

开发

要启用调试日志:

export RUST_LOG=debug
export RUST_BACKTRACE=1

同时记得使用 --rga-no-cache 禁用缓存或清除缓存(macOS 上为 ~/Library/Caches/rga,其他 Unix 系统为 ~/.cache/rga,Windows 上为 C:\Users\username\AppData\Local\rga)以调试适配器。

Nix 和 Direnv

你可以使用提供的 flake.nix 来设置所有构建时和运行时依赖:

  1. 在你的 Nix 配置中启用 Flakes
  2. direnv 添加到你的配置文件中: nix profile install nixpkgs#direnv
  3. cd 进入你克隆此目录的位置。
  4. 允许使用 .envrcdirenv allow
  5. 依赖项安装完成后,你的 shell 现在将拥有所有必要的开发依赖。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号