Discussion :

[NABIL74]

Bonjour,

Dans le cadre d'un projet, je recherche des composants vcl pour faire une recherche par contenu (par mot ou expression) dans les fichiers PDF , du genre 'DocFetcher''. Ce genre de composants existent-ils?
Je suis preneur à toutes suggestions.

Merci.

[SergioMaster]

Bonjour Nabil,

deux suggestions : voir ce que Paul Toth a fait avec la bibliothèque pdfium https://github.com/tothpaul/PDFiumReader, je ne sais pas si la recherche de texte en fait partie.
Sinon en investissant un peu de € la bibliothèque winsoft.pdffium, un wrapper de la bibliothèque pdfium
j'ai la Version 4.8 FMX qui me permet d'afficher mes PDF.
J'y ai vu des fonctions comme FindFirst(<texte>) , FindNext (que je n'ai pas encore testées) qui me semblent correspondre à ton besoin

[Edit] Je confirme, après avoir fait un petit programme test, ces deux fonctions semblent être ce que tu veux

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
procedure TForm29.btnOccurencesClick(Sender: TObject);
// Recherche du mot "Firedac" dans toutes les pages du pdf  
var i,p : integer;
begin
  i:=0;
  for p := 1 to fpdf1.PageCount do
  begin
   Fpdf1.PageNumber:=p;
   if Fpdf1.FindFirst('Firedac')>0 then    // insensible à la casse 
   begin
     inc(i);
     while fpdf1.FindNext>0 do inc(i);
   end;
  end;
  Showmessage(i.ToString+' Occurence(s)');
end;

dans le fichier joint il me trouve 29 occurrences (nb. une de plus que le visionneur d'internet explorer qui en a oublié une dans un titre mais en adéquation avec Adobe Acrobat Reader)

[NABIL74]

Bonjour Serge,
Merci pour ton aide.
J'utilise Quick PDF Library.

Peut-être bien je n'ai pas bien expliqué mon soucis:
Dans mon application, je veux rechercher un mot dans plusieurs fichiers PDF en même temps sans les ouvrir(c'est cela qui est important). Je désigne le répertoire dans lequel on va faire la recherche de ce mot et l'application va le rechercher et afficher le(s) résultat(s) de recherche.
Exemple : dans le répertoire de recherche, j'ai 100000 fichiers PDF. Je veux rechercher le mot ''facture'' et afficher le résultat : ''facture'' a été retrouvé dans :
Fichier ''a'', fichier ''b'', ...

Y a -t-il un moyen de le faire svp?

Merci et bonne journée.

[SergioMaster]

re,

sans ouvrir les fichiers cela me parait impossible, il faut bien au moins lire le contenu. Une recherche dans les fichiers pdf surtout s'ils sont compressés (je parle du contenu)

D'ailleurs si le composant ouvre les fichiers, il ne les visualise pas (c'est un autre composant de la suite qui s'occupe de l'affichage)

Y a -t-il un moyen de le faire svp?

AMHA Oui

[NABIL74]

Re,

Oui Serge, je suis de ton avis : il faut lire les fichiers et faire de la recherche par la suite c'est logique. Ce qui me tracasse c'est j'ai un nombre très important de fichiers sur lesquels on va faire des recherches, cela peut facilement dépasser 200000 fichiers. Si on les ouvre un par un, ça va consommer beaucoup de ressources non ?

[SergioMaster]

Re,

Ce qui me tracasse c'est j'ai un nombre très important de fichiers sur lesquels on va faire des recherches, cela peut facilement dépasser 200000 fichiers.

rien n'empêche de coller ça dans des Threads, parce que je pense que par "ressources" tu voulais plutôt écrire que ça allait bloquer l'exécution


Pour en revenir à ta question voilà avec FMX une recherche dans un répertoire (sans thread parce qu'écrit avant ta dernière réponse, sans recherche dans des sous-répertoires)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
 
procedure TForm29.btnOccurencesClick(Sender: TObject);
var i,p : integer;
    Files : TArray<String>;
begin
Files:=TDirectory.GetFiles(repertoire.text,'*.pdf');
for i:= Low(Files) to High(Files)  do
 begin
  Fpdf1.FileName:=Files[i];
  Fpdf1.Active:=True;
  for p := 1 to fpdf1.PageCount do
  begin
   Fpdf1.PageNumber:=p;
   if Fpdf1.FindFirst('facture')>0 then
    begin
     Memo1.Lines.Add(Files[i]);
     Break;
    end;
   end;
  Fpdf1.Active:=False;
end;
 
end;

[SergioMaster]

Pour "finir" voici un "jus" qui ne bloquerait pas le poste, j'utilise au max les possibilités de Rio

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
unit Unit29;
 
interface
 
uses
  System.SysUtils, System.Types, System.UITypes, System.Classes, System.Variants,
  System.Threading,  System.IOUtils,
  FMX.Types, FMX.Controls, FMX.Forms, FMX.Graphics, FMX.Dialogs, FMX.Edit,
  FMX.StdCtrls, FMX.Controls.Presentation,
  FMX.ScrollBox, FMX.Memo, Winsoft.FireMonkey.PDFium;
 
type
  TForm29 = class(TForm)
    btnOccurences: TButton;
    Texte: TEdit;
    Label1: TLabel;
    FichierPdf: TEdit;
    EllipsesEditButton1: TEllipsesEditButton;
    OpenDialog1: TOpenDialog;
    Memo1: TMemo;
    AniIndicator1: TAniIndicator;
    procedure EllipsesEditButton1Click(Sender: TObject);
    procedure btnOccurencesClick(Sender: TObject);
  private
    { Déclarations privées }
    function isTexteinPDF(Texte : String; PdfFileName : TFileName): Boolean;
  public
    { Déclarations publiques }
  end;
 
 
var
  Form29: TForm29;
 
implementation
 
{$R *.fmx}
 
 
procedure TForm29.btnOccurencesClick(Sender: TObject);
var dir, Cherche : String;
begin
 Dir:=FichierPdf.Text;
 Cherche:= Texte.text;
 // Début d'une animation
 Aniindicator1.Visible:=True;
 AniIndicator1.Enabled:=True;
 
 TTask.Run(
   procedure
    var
     PdfFileName : TFileName;
     Files : TArray<String>;
   begin
    Files:=TDirectory.GetFiles(dir,'*.pdf');
    for PdfFileName in Files do
     begin
       // fait défiler tous les pdf
       TThread.Synchronize(nil,
         procedure
         begin
           Memo1.Lines.Add(PdfFileName);
           Memo1.Repaint;
         end
        );
 
     if isTexteinPDF(Cherche,PdfFileName) then
       // occurrence trouvée
       TThread.Synchronize(nil,
         procedure
         begin
           Memo1.Lines.Add(Cherche+' trouvé dans '+PdfFileName);
           Memo1.Repaint;
         end
        );
     end;
     // arrêt d'une animation
        TThread.Synchronize(nil,
         procedure
         begin
           AniIndicator1.Enabled:=False;
           AniIndicator1.Visible:=False;
         end
        );
   end);
end;
 
 
procedure TForm29.EllipsesEditButton1Click(Sender: TObject);
begin
if Opendialog1.Execute then
 begin
   FichierPdf.Text:=ExtractFileDir(OpenDialog1.FileName);
  end;
end;
 
function TForm29.isTexteinPDF(Texte: String; PdfFileName: TFileName): Boolean;
   var aFpdf : TFPdf;
      p : integer;
    begin
     result:=False;
     AFpdf := TFPDF.Create(nil);
     try
       AFPdf.FileName:=PdfFileName;
       try
         AFPdf.Active:=True;
       except
         Exit(False);  // au cas où le format serait invalide (taille pdf = 0 Ko par exemple)
       end;
      for p := 1 to Afpdf.PageCount do
      begin
        AFpdf.PageNumber:=p;
        if AFpdf.FindFirst(Texte)>0 then
         begin
          result:=true;
          Break;
         end;
       end;
      AFpdf.Active:=False;
     finally
       AFpdf.Free;
     end;
end;
 
end.

NB. Là c'est le piège inverse, le programme principal n'est pas bloqué il faudrait songer à empêcher l'utilisateur de fermer le programme avant que la recherche soit terminée


[Edit] NOTE : pour une recherche dans les sous-répertoires il suffit de rajouter l'option de recherche ligne 55 Files:=TDirectory.GetFiles(dir,'*.pdf',System.IOUtils.TSearchOption.soAllDirectories);

[anapurna]

salut

sinon avec AcrobatReader

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
     c := '/A '+Format('"search=%s" ',[MotsCherche])+'"' + Nomfichier + '"';
     ShellExecute( hinstance, 'open', PChar('AcroRd32.exe'),Pchar(c), Nil,SW_SHOWNORMAL);

[NABIL74]

rien n'empêche de coller ça dans des Threads, parce que je pense que par "ressources" tu voulais plutôt écrire que ça allait bloquer l'exécution

Je veux dire par ''ressources'' consommer de la mémoire + grosse occupation du cpu.

Merci beaucoup pour cette jolie démonstration Serge. Je testerai cela le soir et je te tiendrai au courant.

@ Anapurma: je vous remercie pour votre intervention. Pour ce projet, on ne veut pas utiliser Acrobat Reader, mais je trouve que c'est une solution très intéressante.

Bonne journée

[SergioMaster]

Pendant que j'y suis, je pense que tu n'auras pas besoin de la version payante, la version de démo devrait suffire car le bandeau ne s'affiche qu'avec le TPdfView associé

[NABIL74]

Bonsoir,

En testant ton exemple Serge, je me suis aperçu que le TTask (System.Threading) est apparu sous XE7. Malheureusement, j'ai mon vieux XE5. Donc pas moyen de le faire en multi-thread à moins d'utiliser une bibliothèque qui gère ce genre technique.

Merci.

[SergioMaster]

Bonjour,

Je ne savais pas que TTask n'était apparu qu'avec XE7, mais je me doutais un peu du problème c'est d'ailleurs pour cela que j'avais commencé à mettre la fonction isTexteinPDF à part

il va donc falloir passer par TThread ,technique que je maitrise moins (TTask est tellement plus "élégant")
Alors avant de me lancer dans cette aventure, je vais revisionner cette super vidéo de Olaf Monien lors BootCamps 2018 et que l'on peut retrouvée https://www.embarcaderoacademy.com (semaine 7)

[Andnotor]

TTask est tellement plus "élégant"

Disons que c'est surtout plus court à écrire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 TThread.CreateAnonymousThread(procedure
                               begin
                                 ...
                               end).Start;

Le thread est créé dans l'état suspendu, ne pas oublier Start !

[SergioMaster]

Re, après visionnage pour être sûr de moi voilà ce que ça donne :
j'ai gardé l'ancienne unité déjà proposée (avec quelques modifications) et rajouté une unité spécifique pour le thread

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
unit Unit29;

interface

uses
  System.SysUtils, System.Types, System.UITypes, System.Classes,
  System.Variants,
  System.Threading, System.IOUtils,
  FMX.Types, FMX.Controls, FMX.Forms, FMX.Graphics, FMX.Dialogs, FMX.Edit,
  FMX.StdCtrls, FMX.Controls.Presentation,
  FMX.ScrollBox, FMX.Memo;

type
  TForm29 = class(TForm)
    btnOccurences: TButton;
    Texte: TEdit;
    Label1: TLabel;
    FichierPdf: TEdit;
    EllipsesEditButton1: TEllipsesEditButton;
    OpenDialog1: TOpenDialog;
    Memo1: TMemo;
    AniIndicator1: TAniIndicator;
    btnThread: TButton;
    procedure EllipsesEditButton1Click(Sender: TObject);
    procedure btnOccurencesClick(Sender: TObject);
    procedure btnThreadClick(Sender: TObject);
  private
    { Déclarations privées }
  public
    { Déclarations publiques }
    procedure UpdateMemo(aLine: String);
    procedure FinThread;
  end;

var
  Form29: TForm29;

implementation

{$R *.fmx}

uses Unit30;

procedure TForm29.btnOccurencesClick(Sender: TObject);
var
  dir, Cherche: String;
begin
  dir := FichierPdf.Text;
  Cherche := Texte.Text;
  // Début d'une animation
  AniIndicator1.Visible := True;
  AniIndicator1.Enabled := True;

  TTask.Run(
    procedure
    var
      PdfFileName: TFileName;
      Files: TArray<String>;
    begin
      Files := TDirectory.GetFiles(dir, '*.pdf',
        System.IOUtils.TSearchOption.soAllDirectories);
      for PdfFileName in Files do
      begin
        // fait défiler tous les pdf
        TThread.Synchronize(nil,
          procedure
          begin
           UpdateMemo(PdfFileName);
          end);

        if isTexteinPDF(Cherche, PdfFileName) then
          // occurrence trouvée
          TThread.Synchronize(nil,
            procedure
            begin
              UpdateMemo(Cherche + ' trouvé dans ' + PdfFileName);
            end);
      end;
      // arrêt d'une animation
      TThread.Synchronize(nil,
        procedure
        begin
          FinThread;
        end);
    end);
end;

// Utilisation via un Thread "métier"
procedure TForm29.btnThreadClick(Sender: TObject);
var
  SThread: TSearchInPDFFiles;
begin
  AniIndicator1.Visible:=True;
  AniIndicator1.Enabled:=True;
  SThread := TSearchInPDFFiles.Create;
  SThread.dir := FichierPdf.Text;
  SThread.Texte := Texte.Text;
  SThread.UpdateResult := procedure(AFile: String)
    begin
      UpdateMemo(AFile);
    end;
  SThread.EndOfThread := procedure
    begin
      FinThread;
    end;
  SThread.Start;
end;

procedure TForm29.EllipsesEditButton1Click(Sender: TObject);
begin
  if OpenDialog1.Execute then
  begin
    FichierPdf.Text := ExtractFileDir(OpenDialog1.FileName);
  end;
end;

// pour pouvoir les utiliser dans le thread
procedure TForm29.FinThread;
begin
  AniIndicator1.Enabled := False;
  AniIndicator1.Visible := False;
end;

procedure TForm29.UpdateMemo(aLine: String);
begin
  Memo1.Lines.Add(aLine);
  Memo1.Repaint;
end;

end.

L'unité métier

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
 
unit Unit30;
 
interface
 
uses System.SysUtils, System.Classes,
  Winsoft.FireMonkey.PDFium;
 
type
 
  TSearchInPDFFiles = class(TThread)
  private
    FDir: String;
    FTexte: String;
    FUpdateResult: TProc<String>;
    FEndOfThread: TProc;
    procedure SetEndOfThread(const Value: TProc);
  protected
    procedure SetUpdateResult(const Value: TProc<String>);
    procedure SetDir(const Value: String);
    procedure SetTexte(const Value: String);
    procedure Execute; override;
    procedure FindPdfFiles;
  public
    constructor Create;
    property Dir: String read FDir write SetDir;
    property Texte: String read FTexte write SetTexte;
    property UpdateResult: TProc<String> read FUpdateResult
      write SetUpdateResult;
    property EndOfThread: TProc read FEndOfThread write SetEndOfThread;
  end;
 
function isTexteinPDF(Texte: String; PdfFileName: TFileName): Boolean;
 
implementation
 
uses System.Types, System.IOUtils;
 
function isTexteinPDF(Texte: String; PdfFileName: TFileName): Boolean;
var
  aFpdf: TFPdf;
  p: integer;
begin
  aFpdf := TFPdf.Create(nil);
  try
    aFpdf.FileName := PdfFileName;
    try
      AFPdf.Active:=True;
    except
     Exit(False)
    end;
    aFpdf.Active := True;
    result := False;
    for p := 1 to aFpdf.PageCount do
    begin
      aFpdf.PageNumber := p;
      if aFpdf.FindFirst(Texte) > 0 then
      begin
        result := True;
        Break;
      end;
    end;
    aFpdf.Active := False;
  finally
    aFpdf.Free;
  end;
end;
 
{ TSearchInPDFFiles }
 
constructor TSearchInPDFFiles.Create;
begin
  inherited Create(True);
  FreeOnTerminate := True;
end;
 
procedure TSearchInPDFFiles.Execute;
begin
  FindPdfFiles;
  // fin de thread
  if Assigned(FEndOfThread) then
    Synchronize(nil,
      procedure
      begin
        FEndOfThread;
      end)
end;
 
procedure TSearchInPDFFiles.FindPdfFiles;
var
  PdfFileName: TFileName;
  Files: TArray<String>;
begin
  Files := TDirectory.GetFiles(FDir, '*.pdf',
    System.IOUtils.TSearchOption.soAllDirectories);
  for PdfFileName in Files do
    begin
      // montre chaque fichier pdf trouvé (optionnel)
      Synchronize(nil,
        procedure
        begin
          FUpdateResult(PdfFileName);
        end);
     // texte (i.e. 'facture') trouvé 
    if isTexteinPDF(FTexte, PdfFileName) then
      Synchronize(nil,
        procedure
        begin
          FUpdateResult('Trouvé dans '+PdfFileName);
        end);
    end;
end;
 
procedure TSearchInPDFFiles.SetDir(const Value: String);
begin
  FDir := Value;
end;
 
procedure TSearchInPDFFiles.SetEndOfThread(const Value: TProc);
begin
  FEndOfThread := Value;
end;
 
procedure TSearchInPDFFiles.SetTexte(const Value: String);
begin
  FTexte := Value;
end;
 
procedure TSearchInPDFFiles.SetUpdateResult(const Value: TProc<String>);
begin
  FUpdateResult := Value;
end;
 
end.

[NABIL74]

Bonjour,

Je vous remercie pour vos interventions.

Serge, sous XE5, je reçois toujours l'erreur sur le "Task" (voir en couleur rouge) dans la partie :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
TTask.Run(
    procedure
    var
      PdfFileName: TFileName;
      Files: TArray<String>;
    begin
      Files := TDirectory.GetFiles(dir, '*.pdf',
        System.IOUtils.TSearchOption.soAllDirectories);

Pour le

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

System.IOUtils.TSearchOption.soAllDirectories

il y a une incompatibilité entre :
E2010 Types incompatibles : 'System.TArray<System.string>' et 'TStringDynArray'

Merci.

[SergioMaster]

Bonjour,

Nabil, c'est normal, j'ai laissé l'ancien code pour voir les différences entre un TTask et un TThread il faut bien évidemment que tu supprimes la procedure TForm29.btnOccurencesClick.
Il faut te concentrer sur la seconde procédure et surtout l'unité métier associée qui n'utilise pas TTask.

[NABIL74]

Re,
merci, reste juste le soucis du Files := TDirectory.GetFiles(FDir, '*.pdf', TSearchOption.soAllDirectories);

"" 'System.TArray<System.string>' et 'TStringDynArray'""
T'as une idée comment leur compatibilitée stp?

[EDIT] j'ai remplacé "TArray<System.string>" par "TStringDynArray"

C'est OK.
Merci beaucoup pour cette jolie démonstration.

[SergioMaster]

Ligne 92 , remplace Files: TArray<String>; par Files: TStringDynArray;

seulement après, ligne 96 la boucle for PdfFileName in Files do risque d'être à changer
en quelque chose comme for i:=Low(Files) to High(Files) do pdfFileName étant remplacé par Files[i]

Désolé, pas le temps de tester, j'assiste aux premiers pas de mon petit fils avant d'aller faire quelques courses (pharmacie) dans le bourg

[NABIL74]

Ligne 92 , remplace Files: TArray<String>; par Files: TStringDynArray;

seulement après, ligne 96 la boucle for PdfFileName in Files do risque d'être à changer
en quelque chose comme for i:=Low(Files) to High(Files) do pdfFileName étant remplacé par Files[i]

Désolé, pas le temps de tester, j'assiste aux premiers pas de mon petit fils avant d'aller faire quelques courses (pharmacie) dans le bourg

Un grand MERCI pour ton intervention fructueuse comme d'habitude.

Toutes mes félicitations pour ses premiers pas . Ton petit fils risque dorénavant de vous faire des ravages à la maison .

Bon courage.