Извличане на връзки от PDF.

Разпознават се отпечатани връзки, започващи с http://, https:// или www. PDF анотациите на връзки също могат да разкрият HTTP/HTTPS цели зад обикновен текст. PDF файлът не е задължително да показва URL адреса като свой кликаем етикет.

Идентичните отпечатани цели и анотации на една страница не се броят два пъти. За сравнение на дубликати се използват нормализирани URL форми, докато се показва първото разпознато изписване. Дълги, пренесени или повредени URL адреси може да изискват ръчна корекция. Нито един извлечен URL адрес не се извлича автоматично.

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.

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.

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.