Pdf/Docx/Xlsx

Нужна какая-нибудь утилита которая вытащит текст из твоих файлов, например Apache Tika.

Есть, например, pdfgrep.

Или что-то специализированное, вроде https://github.com/RD17/ambar

даже не знал , что такое бывает - буду пробовать спасибо

например вытащить email

Если строки вытащил, можно отобрать адреса или то, что на них похоже

#!/bin/sed -Ef

  /[-._[:alnum:]]+@([-[:alnum:]]+\.)+[[:alpha:]]{2,}/!d
  s/[<>]/#/g
  s/([-._[:alnum:]]+@([-[:alnum:]]+\.)+[[:alpha:]]{2,})/<\1>/g
  s/>[^<]*</\n/g
  s/[^<]*<//
  s/>.*//