استخراج ایمیل از PDF.

استخراج‌کننده به دنبال آدرس‌های مرسوم local-part@domain، شامل تگ‌های پلاس و نام‌های نقطه‌دار می‌گردد. این ابزار نام‌های دامنه بین‌المللی را می‌پذیرد اما نام‌های صندوق پستی غیر ASCII، بخش‌های محلی داخل کوتیشن یا آدرس‌های عمداً مبهم‌سازی شده را نمی‌پذیرد.

آدرس‌ها هنگام حذف موارد تکراری بدون در نظر گرفتن بزرگی و کوچکی حروف مقایسه می‌شوند. یک آدرس قابل مشاهده و هدف mailto یکسان در یک صفحه، صرفاً به دلیل قابل کلیک بودن متن، دو بار شمرده نمی‌شوند. نقشه‌های کاراکتر خراب PDF و آدرس‌هایی که در خطوط شکسته شده‌اند ممکن است نیاز به بررسی دستی داشته باشند.

هر نتیجه موقعیت فیزیکی صفحه در PDF را ثبت می‌کند که ممکن است با شماره صفحات چاپی متفاوت باشد. روی یک برچسب صفحه کلیک کنید تا پیش‌نمایش با هایلایت تقریبی باز شود.

حذف موارد تکراری به‌صورت پیش‌فرض فعال است. تعداد، تکرارهای شناسایی‌شده از یک مقدار واحد را ترکیب می‌کند؛ آن را خاموش کنید تا موارد جداگانه را ببینید. مرتب‌سازی الفبایی ترتیب لیست را تغییر می‌دهد. فیلتر کردن هم بر کپی و دانلود و هم بر ردیف‌های قابل مشاهده اعمال می‌شود.

CSV شامل ستون‌های نوع، مقدار، تعداد و صفحات است. انکودینگ UTF-8 از زبان فارسی و سایر خطوط پشتیبانی می‌کند. مقادیری که ممکن است به عنوان فرمول‌های صفحه گسترده تفسیر شوند، برای وارد کردن ایمن‌تر با یک آپاستروف پیش‌وند می‌شوند.

TXT و کپی همه فقط شامل مقادیر هستند، یکی در هر خط. تمام ردیف‌های منطبق با فیلتر گنجانده می‌شوند، حتی زمانی که جدول روی صفحه چندین صفحه نتیجه را در بر می‌گیرد. هیچ PDF جدیدی ایجاد نمی‌شود و PDF منبع بدون تغییر باقی می‌ماند.

یک PDF تا ۵۰ مگابایت و ۵۰۰ صفحه را بارگذاری کنید. استخراج تا ۲۵۰,۰۰۰ کاراکتر و ۲,۰۰۰ تطبیق در هر صفحه، ۱۰ میلیون کاراکتر و ۲۰,۰۰۰ تطبیق در کل، و ۲,۰۰۰ حاشیه‌نویسی در هر صفحه را بررسی می‌کند. بودجه زمانی ۹۰ ثانیه‌ای برای استخراج، اجرای طولانی را محدود می‌کند. اسناد بسیار پیچیده ممکن است در صورت تقسیم به فایل‌های کوچک‌تر، بهتر کار کنند.

هنگامی که به محدودیت می‌رسید یا یک صفحه نمی‌تواند به‌طور کامل خوانده شود، نتایج یک اعلان نشان می‌دهند و اجراهای محدود یا ناموفق با عبارت partial در نام فایل صادر می‌شوند. صفحاتی که متن قابل انتخاب ندارند جداگانه شمرده می‌شوند. برای اسکن‌های فقط تصویری از PDF OCR استفاده کنید، سپس برای استخراج متن شناسایی‌شده بازگردید.

محتوای PDF به‌صورت محلی در این مرورگر پردازش می‌شود. اسناد آپلود شده به سرور استخراج ارسال نمی‌شوند. لینک‌ها، آدرس‌های ایمیل و شماره تلفن‌های یافت شده در داخل PDF هرگز به‌طور خودکار فراخوانی نمی‌شوند.