PDFからデータを抽出.

日付は4桁の年を含む数値形式である必要があります。曖昧な日/月の値はソースの順序を保持します。IPv4のオクテットは検証されますが、IPv6は含まれません。

ドメインは任意のファイル名からではなく、認識されたメールアドレスやウェブリンクから導出されます。DOI抽出は一般的な現代のDOI形式を対象としており、すべての歴史的な形式を網羅するものではありません。ISBN-13値には有効なチェックサムが必要です。ISBN-10にはISBNラベルも必要です。ハッシュタグにはアラビア語を含むUnicode文字を含めることができます。

MACアドレスは、コロンまたはハイフンで区切られた6つのペアを使用します。このツールが抽出されたアドレスや識別子に連絡することはありません。

各結果にはPDF内の物理的なページ位置が記録されます（印刷されたページ番号とは異なる場合があります）。ページチップを選択すると、概算のハイライト付きでプレビューが開きます。

「重複を削除」は有効状態で開始されます。件数は同じ値の認識された繰り返しを統合します。オフにすると個別の出現箇所が表示されます。「アルファベット順」でリストの順序を変更できます。フィルタリングは、表示されている行だけでなく、コピーやダウンロードにも適用されます。

CSVには「タイプ」、「値」、「件数」、「ページ」の列が含まれます。UTF-8エンコーディングにより、アラビア語やその他のスクリプトをサポートします。スプレッドシートの数式として解釈される可能性のある値には、安全にインポートできるようアポストロフィが接頭辞として付加されます。

TXTとコピーには値のみが1行に1つ含まれます。画面上のテーブルが複数の結果ページにまたがっている場合でも、フィルタに一致するすべての行が含まれます。新しいPDFは作成されず、ソースPDFも変更されません。

最大50 MiB、500ページまでのPDFを読み込めます。抽出は1ページあたり最大250,000文字と2,000件の照合、全体で1,000万文字と20,000件の照合、および1ページあたり2,000件の注釈を確認します。90秒の抽出予算が長時間の実行を制限します。非常に複雑なドキュメントは、小さなファイルに分割するとより適切に動作する場合があります。

制限に達した場合やページを完全に読み取れない場合、結果に通知が表示され、制限付きまたは失敗した実行はファイル名に「partial」を付けてエクスポートされます。選択可能なテキストがないページは個別にカウントされます。画像のみのスキャンにはPDF OCRを使用し、認識されたテキストを抽出してください。

PDFコンテンツはこのブラウザ内でローカルに処理されます。アップロードされたドキュメントが抽出サーバーに送信されることはありません。PDF内で見つかったリンク、メールアドレス、電話番号に自動的に連絡することはありません。