Převod pdb do txt

29.5.2009 08:57 | Přečteno: 6341× | Linux |

Formát pdb je binárni formát obsahující text. Mám poměrne rozsáhlou sbírku knih v různých formátech z nichž největší část tvoří právě pdb. Na čtení používám FBReader, který mi maximálně vyhovuje.
Problém nastal v okamžiku, kdy jsem potřeboval mou sbírku fulltextově prohledat. Nikde se mi nepodařilo v FBReader-u najít funkci na fulltextové prohledávání. Jediné co jsem našel je hledání v názvu souborů. Jako jedno z možných řešení mě napadl převod pdb do txt a následná aplikace beagel-u. Pro windows existuje několik programu na převod pdb/txt. Jejich problém spočívá v: nejdou pod wine nainstalovat, jsou to trial verze nebo neumějí hromadný převod se zachováním adresářové struktury.

Pod linuxem jsem nasel nějaké programy, ale hromadný převod se mi v nich nepodařilo rozchodit. Náhodou jsem poté narazil na utilitu http://homepage.mac.com/pauljlucas/software/txt2pdbdoc (používám Ubuntu a mam tento program v repozitářích takže jsem kompilaci zdrojového kódu nezkoušel).
Mým cílem byl převod cca 3000 pdb souborů do txt. Situaci komplikovala poměrne složitá adresářová struktura a mezery v názvech souborů. Nakonec jsem se rozhodl napsat jednoduchý skript v bash-i.

1. Využití konstrukce "find .... -exec" a proc to nefungovalo

find . -iname '*.pdb' -exec txt2pdbdoc -d -D -v {} \;

Jednoduchý příkaz, který však nedělal to co má. Na standardní výstup vypisoval "překódované" pdb soubory jako text, ale jaksi nevytvářel vlastni výstupní soubory. Nemohl jsem přijít na to proč nefunguje tak jsem to nechal plavat a cca po měsíci me to napadlo. Program txt2pdbdoc vyžaduje dva argumenty a to vstupní soubor pdb a název výstupního souboru txt. Bohužel find předhazuje jen název vstupního pdb. Jde nejak takovéto situace ošetřit?

2. Využití cyklu while

Řešení je jednoduché a využívá find, cyklus while a utilitu txt2pdbdoc a funguje k mé spokojenosti

find . -iname '*.pdb' | while read F; do txt2pdbdoc -d -D -v "$F" "${F%.pdb}.txt"; done        

Komentáře

[Tomáš]

První řešení šlo jednoduše dodělat:

find . -iname '*.pdb' -exec txt2pdbdoc -d -D -v {} {}.txt\;

[Uran]

Funguje akorat mezi druhou {}.txt a \; ma byt mezera. Jinak nevym jak zajistit aby pripona byla txt a ne pdb.txt

[Tomáš]

Jinak nevym jak zajistit aby pripona byla txt a ne pdb.txt

Na to je příkaz basename, odtrhneš tak pdb. Potom tam přidáš txt.

[Zaphod]

Odstránenie prípony:

$ FILE=/tmp/pokus/doc.pdb
$ NAME=${FILE%.*}
$ echo $NAME
/tmp/pokus/doc

basename je dobré, ale rozoznáva veľké a malé písmená a odstráni cestu k súboru.

$ FILE=/tmp/pokus/doc.pdb
$ basename $FILE .pdb
doc

ak bude doc.PDB nič neurobí. Výstupný súbor bude v CP1250 (ak sú české texty), text sa dá prekódovať pomocou iconv.

Treba dať prevod do scriptu a ten volať z find -exec

[petris_]

PDB je databaze pro PalmOS (PalmOS nepouziva souborovy system, ale databazi) a muze v tom byt vpodstate cokoliv - zvuk, obrazek, pismo, levely do hry...

[Jan Drábek]

Ono taky není pdb jako pdb... Měl jsem pdb, které nešli v mém palmovi vůbec otevřít a celé zařízení po jejich pokusu o otevření zkolabovalo... Musel jsem je převádět na text a zase zpátky.

[Sleep_Walker]

To bude spis problem aplikace, ktera to otvira. PalmOS je vinnen tim, ze to dovoli a umre :)

[Michal Vyskočil]

Co to propojit přímo s beaglem? Viz External Filters

[Uran]

No beagle jsem nezprovoznil. Daemon mi tvrdosive odmita indexovat.

[kralyk z abclinuxu]

Já dopodus používal PSPad. Pod wine celkem jde.
Ale hromadně převádět asi neumí, dík za tip...

[thingie]

Hm. já tady teda nějaké věci v PDB z různých zdrojů mám, FBReader to ukáže, ale… jako to je na poblití se, akorát, to fakt nejde číst. Možná je to jenom špatně udělané, samozřejmě.

[Zaphod]

Fbreader má blbé delenie textu do odstavcov. Preto sa ebook nedá čítať. Dá sa to nastaviť pre každý súbor, ale nie pre celý program (aspoň za čias ubuntu 7.04). Na čítanie som preto používal yBoook reader cez wine. Asocioval som si príponu .pdb s týmto programom a bez problému používal.

[Zaphod]

Druhý dobrý spôsob - script

$ cat bin/rpdb
#!/bin/sh
txt2pdbdoc -d "$1" | iconv -f cp1250 -t utf8 | less

som pridal ako do mc ako prehliadač. Cez F3 som si v mc na konzole prezeral pdb dokumenty.