Събиране на идентификатори
Събирайте DOI и ISBN стойности заедно със страниците, на които се появяват.
Намерете данните, от които се нуждаете. Запазете изходната страница с всеки резултат.
| Тип | Стойност | Брой | Страници |
|---|
Копирането и изтеглянето включват всички съвпадащи редове от всички страници с резултати. CSV включва брой срещания и номера на PDF страници; TXT съдържа само стойностите.
Изберете номер на страница в Резултати, за да проверите източника. Маркиранията показват приблизителни позиции.
Вашият списък е готов. Изтеглете го или се върнете назад, за да прегледате и промените формата.
Заредете документ с избираем текст или опитайте примерния файл.
Изберете Извличане. Прегледайте стойностите, броя срещания и изходните страници; филтрирайте или сортирайте списъка.
Копирайте стойностите или изтеглете CSV с препратки към страници или обикновен TXT списък.
Изберете типовете данни, от които се нуждаете: имейли, телефонни номера, URL адреси, числови дати, IPv4 адреси, домейни, DOI, ISBN, хаштагове и MAC адреси. Прегледайте извлечените стойности с брой и препратки към страници.
Събирайте DOI и ISBN стойности заедно със страниците, на които се появяват.
Намиране на датирани записи и IPv4 адреси.
Комбинирайте имейли, телефони и уеб връзки в един структуриран експорт.
Започнете с имейли, телефони и URL адреси, след което отворете „Още типове данни“ за специализирани стойности.
Датите трябва да използват цифров формат с четирицифрена година; двусмислените стойности за ден/месец запазват изходния си ред. IPv4 октетите се валидират; IPv6 не е включен.
Домейните се извличат от разпознати имейли и уеб връзки, а не от произволни имена на файлове. Извличането на DOI обхваща често срещани съвременни форми на DOI, а не всяка историческа форма. Стойностите ISBN-13 се нуждаят от валидна контролна сума; ISBN-10 също се нуждае от етикет ISBN. Хаштаговете могат да съдържат Unicode букви, включително арабски.
MAC адресите използват шест двойки, разделени с двоеточие или тире. Инструментът никога не се свързва с извлечени адреси или идентификатори.
Проверявайте броя, прескачайте към страница от PDF и филтрирайте списъка с резултати.
Всеки резултат записва физическата позиция на страницата в PDF файла, която може да се различава от отпечатаните номера на страници. Изберете чип на страница, за да отворите визуализацията с приблизително маркиране.
Премахването на дубликати е включено по подразбиране. Броячите комбинират разпознати повторения на една и съща стойност; изключете го, за да видите отделните срещания. Сортирането по азбучен ред променя подредбата на списъка. Филтрирането се прилага както за копиране и изтегляне, така и за видимите редове.
Изберете CSV за брой и страници или TXT за една стойност на ред.
CSV съдържа колони Тип, Стойност, Брой и Страници. UTF-8 кодирането поддържа арабски и други скриптове. Стойностите, които могат да бъдат интерпретирани като формули за електронни таблици, са с префикс апостроф за по-безопасно импортиране.
TXT и „Копирай всичко“ съдържат само стойности, по една на ред. Всички редове, съответстващи на филтъра, са включени, дори когато таблицата на екрана обхваща няколко страници с резултати. Не се създава нов PDF файл и изходният PDF остава непроменен.
Обработвайте един PDF файл във вашия браузър с изрични ограничения и известия за частични резултати.
Заредете един PDF файл до 50 MiB и 500 страници. Извличането проверява до 250 000 знака и 2 000 съвпадения на страница, 10 милиона знака и 20 000 съвпадения общо, и 2 000 анотации на страница. Бюджет от 90 секунди за извличане ограничава дългите процеси. Много сложни документи може да работят по-добре, ако бъдат разделени на по-малки файлове.
Когато се достигне ограничение или страница не може да бъде прочетена напълно, резултатите показват известие, а ограничените или неуспешните изпълнения се експортират с „partial“ в името на файла. Страниците без избираем текст се броят отделно. Използвайте PDF OCR за сканирания само с изображения, след което се върнете, за да извлечете разпознатия текст.
PDF съдържанието се обработва локално в този браузър. Качените документи не се изпращат до сървър за извличане. Връзките, имейл адресите и телефонните номера, намерени в PDF файла, никога не се свързват автоматично.
Отворете един PDF файл до 50 MB и 750 изходни страници. Защитените файлове се нуждаят от отключено копие, освен ако този инструмент изрично не предлага въвеждане на парола. Големите или сложни страници могат да изискват повече памет или да достигнат ограничения за обработка, дори когато файлът е в рамките на тези ограничения.
Обработката се извършва на вашето устройство, без да се качва документът. Изтеглете резултата, преди да затворите страницата; съхранявайте оригинала отделно.
Знайте какво да очаквате, преди да започнете.
На вашето устройствоИзберете типовете данни, от които се нуждаете: имейли, телефонни номера, URL адреси, числови дати, IPv4 адреси, домейни, DOI, ISBN, хаштагове и MAC адреси. Прегледайте извлечените стойности с броячи и препратки към страници. Това извлича разпознаваеми стойности, а не таблици, фактури или семантични полета. Моделите и контролните суми намаляват шума, но не гарантират пълнота и не доказват, че идентификаторът е автентичен.
Чете се само избираем текст и разпознати цели на връзки. Страниците, съдържащи само изображения, се нуждаят първо от PDF OCR. Изпълнете OCR, изтеглете PDF файла с възможност за търсене и след това се върнете към този екстрактор.
Премахването на дубликати комбинира разпознати еквивалентни стойности. Броячът показва засечените срещания, а „Страници“ изброява физическите позиции на страниците в PDF файла. Деактивирайте опцията, за да запазите срещанията отделно. Отпечатана цел и съответстваща кликаема връзка на една и съща страница не се броят два пъти.
CSV включва тип, стойност, брой срещания и препратки към страници. TXT и „Копирай всичко“ предоставят само стойностите, по една на ред. Включени са всички редове, съответстващи на текущия филтър, а не само видимата страница на таблицата.
Не. Анализирането, съпоставянето и експортирането на PDF се извършват в този браузър. Оригиналният PDF файл остава непроменен. Нито една извлечена връзка, имейл или телефонен номер не се свързва автоматично.
Един PDF файл до 50 MiB и 500 страници. Извличането е ограничено до 250 000 текстови знака и 2 000 съвпадения на страница, 10 милиона знака и 20 000 съвпадения общо, и 2 000 анотации на страница. Резултатите съдържат известие, ако ограниченията или нечетимите страници ги правят частични.
КРАТЪК ВИДЕО УРОК
Как да извлечем структурирани данни от PDF
Събирайте контакти и изследователски идентификатори в един организиран списък.
Английски разказ
Гледайте видеото