ITエンジニア/デザイナ向けにオープンソースを毎日紹介

ストレージが大容量化することで保存されるファイルの数がどんどん増えています。それに伴って必要なファイルを探すのに苦労するようになります。そこでローカル検索が活躍しますが、ストレージ全体から検索したいというニーズはそれほど多くないかと思います。

そこで使ってみたいのがrgaです。grepツールですが、対応している拡張子が多彩なのが特徴です。

rgaの使い方

rgaのヘルプです。動画やePub、PDF、Zipなど多彩な形式に対応しているのが分かります。

$ ./rga --rga-list-adapters
Adapters:

 - ffmpeg
     Uses ffmpeg to extract video metadata/chapters and subtitles
     Extensions: .mkv, .mp4, .avi


 - pandoc
     Uses pandoc to convert binary/unreadable text documents to plain markdown-like text
     Extensions: .epub, .odt, .docx, .fb2, .ipynb


 - poppler
     Uses pdftotext (from poppler-utils) to extract plain text from PDF files
     Extensions: .pdf


 - zip
     Reads a zip file as a stream and recurses down into its contents
     Extensions: .zip
     Mime Types: application/zip

 - decompress
     Reads compressed file as a stream and runs a different extractor on the contents.
     Extensions: .tgz, .tbz, .tbz2, .gz, .bz2, .xz, .zst
     Mime Types: application/gzip, application/x-bzip, application/x-xz, application/zstd

 - tar
     Reads a tar file as a stream and recurses down into its contents
     Extensions: .tar


 - sqlite
     Uses sqlite bindings to convert sqlite databases into a simple plain text format
     Extensions: .db, .db3, .sqlite, .sqlite3
     Mime Types: application/x-sqlite3

The following adapters are disabled by default, and can be enabled using '--rga-adapters=+pdfpages,tesseract':

 - pdfpages
     Converts a pdf to it's individual pages as png files. Only useful in combination with tesseract
     Extensions: .pdf


 - tesseract
     Uses tesseract to run OCR on images to make them searchable. May need -j1 to prevent overloading the system. Make sure you have tesseract installed.
     Extensions: .jpg, .png

検索はとても簡単です。キーワードの後、パスを指定するだけです。

$ ./rga moongift /path/
/path/to/39請求書.pdf:Page 1: 株式会社MOONGIFT 御中      No        1472

rgaが面白いのはSQLiteやTesseractなどのファイルにも対応していることです。ローカルファイル検索のようにインデックスは作らないので、ローカルやサーバで活躍しそうです。

tesseractはRust製のオープンソース・ソフトウェア(GNU Affero General Public License)です。

phiresky/ripgrep-all: rga: ripgrep, but also search in PDFs, E-Books, Office documents, zip, tar.gz, etc.

 

MOONGIFTの関連記事

コメント

  • DevRel
  • Com2