Ekstrak Tautan dari PDF.

Tautan cetak yang dimulai dengan http://, https://, atau www. akan dikenali. Anotasi tautan PDF juga dapat mengungkapkan target HTTP/HTTPS di balik teks biasa. PDF tidak perlu menampilkan URL sebagai label yang dapat diklik.

Target cetak dan anotasi yang identik pada satu halaman tidak dihitung dua kali. Bentuk URL yang dinormalisasi digunakan untuk perbandingan duplikat, sementara ejaan yang pertama kali dikenali akan ditampilkan. URL yang panjang, terbungkus, atau rusak mungkin memerlukan koreksi manual. Tidak ada URL yang diekstraksi yang diambil secara otomatis.

Setiap hasil mencatat posisi halaman fisik dalam PDF, yang bisa berbeda dari nomor halaman cetak. Pilih chip halaman untuk membuka pratinjau dengan sorotan perkiraan.

Hapus duplikat dimulai dalam keadaan aktif. Jumlah menggabungkan pengulangan nilai yang sama yang dikenali; matikan untuk melihat kejadian terpisah. Urutkan berdasarkan abjad mengubah urutan daftar. Pemfilteran berlaku untuk penyalinan dan pengunduhan serta baris yang terlihat.

CSV berisi kolom Tipe, Nilai, Jumlah, dan Halaman. Pengodean UTF-8 mendukung bahasa Arab dan skrip lainnya. Nilai yang dapat diinterpretasikan sebagai rumus spreadsheet diawali dengan tanda kutip tunggal untuk impor yang lebih aman.

TXT dan Salin semua hanya berisi nilai, satu per baris. Semua baris yang cocok dengan filter disertakan, bahkan ketika tabel di layar mencakup beberapa halaman hasil. Tidak ada PDF baru yang dibuat dan PDF sumber tidak berubah.

Muat satu PDF hingga 50 MiB dan 500 halaman. Ekstraksi memeriksa hingga 250.000 karakter dan 2.000 kecocokan per halaman, 10 juta karakter dan 20.000 kecocokan secara keseluruhan, serta 2.000 anotasi per halaman. Anggaran ekstraksi 90 detik membatasi proses yang panjang. Dokumen yang sangat kompleks mungkin bekerja lebih baik jika dipecah menjadi file yang lebih kecil.

Ketika batas tercapai atau halaman tidak dapat dibaca sepenuhnya, hasil akan menunjukkan pemberitahuan dan ekspor proses yang terbatas atau gagal dengan kata parsial di nama file. Halaman tanpa teks yang dapat dipilih dihitung secara terpisah. Gunakan OCR PDF untuk pemindaian gambar saja, lalu kembali untuk mengekstrak teks yang dikenali.

Konten PDF diproses secara lokal di browser ini. Dokumen yang diunggah tidak dikirim ke server ekstraksi. Tautan, alamat email, dan nomor telepon yang ditemukan di dalam PDF tidak pernah dihubungi secara otomatis.