კვლევა
იდენტიფიკატორების შეგროვება
შეაგროვეთ DOI და ISBN მნიშვნელობები იმ გვერდებთან ერთად, სადაც ისინი ჩნდება.
სასარგებლო PDF დავალება, გამარტივებული
მონაცემების ამოღება PDF-დან.
იპოვეთ საჭირო მონაცემები. შეინახეთ წყარო გვერდი თითოეულ შედეგთან ერთად.
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
ამოღებული მონაცემები
| ტიპი | მნიშვნელობა | რაოდენობა | გვერდები |
|---|
კოპირება და ჩამოტვირთვა მოიცავს ყველა შესაბამის მწკრივს, შედეგების ყველა გვერდიდან. CSV შეიცავს რაოდენობას და PDF გვერდის ნომრებს; TXT შეიცავს მხოლოდ მნიშვნელობებს.
აირჩიეთ გვერდის ნომერი შედეგებში მისი წყაროს შესამოწმებლად. მონიშვნები აჩვენებს სავარაუდო პოზიციებს.
100%
თქვენი ამოღებული სია მზადაა
თქვენი სია მზადაა. ჩამოტვირთეთ იგი, ან დაბრუნდით უკან გადასამოწმებლად და ფორმატის შესაცვლელად.
Advertisements
Ad placeholder336 × 280468 × 60Responsive · flexible width × 250Up to 300 × 50
თქვენი PDF მუშავდება ამ ბრაუზერში.
PDF
როგორ ამოვიღოთ მონაცემები PDF-დან
- 01
აირჩიეთ ერთი PDF
ჩატვირთეთ დოკუმენტი არჩევადი ტექსტით, ან სცადეთ ნიმუში.
- 02
ამოღება და გადამოწმება
აირჩიეთ ამოღება. გადაამოწმეთ მნიშვნელობები, რაოდენობა და წყაროს გვერდები; გაფილტრეთ ან დაალაგეთ სია.
- 03
კოპირება ან ჩამოტვირთვა
დააკოპირეთ მნიშვნელობები, ან ჩამოტვირთეთ CSV გვერდის მითითებებით ან მარტივი TXT სია.
სტრუქტურირებული მნიშვნელობების ამოღება PDF-დან CSV-ში ან ტექსტში
აირჩიეთ საჭირო მონაცემთა ტიპები: ელფოსტები, ტელეფონის ნომრები, URL-ები, ციფრული თარიღები, IPv4 მისამართები, დომენები, DOI, ISBN, ჰეშთეგები და MAC მისამართები. გადაამოწმეთ ამოღებული მნიშვნელობები რაოდენობითა და გვერდების მითითებებით.
სწრაფი ვიდეო გაკვეთილი
როგორ ამოვიღოთ სტრუქტურირებული მონაცემები PDF-დან
შეაგროვეთ კონტაქტები და კვლევის იდენტიფიკატორები ერთ ორგანიზებულ სიაში.
ინგლისური თხრობა
ვიდეოს ყურება
როდის არის ეს სასარგებლო?
ანგარიშები
ციფრული დეტალების გამოტანა
იპოვეთ დათარიღებული ჩანაწერები და IPv4 მისამართები.
დირექტორიები
საკონტაქტო სიის შექმნა
ელფოსტის, ტელეფონის ნომრებისა და ვებ-ბმულების გაერთიანება ერთ სტრუქტურირებულ ექსპორტში.
ფუნქციები და კონტროლი
სასარგებლო მონაცემთა ტიპების არჩევა
დაიწყეთ ელფოსტებით, ტელეფონებით და URL-ებით, შემდეგ გახსენით „მეტ მონაცემთა ტიპები“ სპეციალიზებული მნიშვნელობებისთვის.
რას უჭერს მხარს ამომცნობი
თარიღები უნდა იყენებდეს ციფრულ ფორმატს ოთხნიშნა წლით; გაურკვეველი დღე/თვის მნიშვნელობები ინარჩუნებს წყაროს თანმიმდევრობას. IPv4 ოქტეტები ვალიდურია; IPv6 არ შედის.
დომენები გამომდინარეობს ამოცნობილი ელფოსტებიდან და ვებ-ბმულებიდან და არა თვითნებური ფაილის სახელებიდან. DOI-ს ამოღება მოიცავს თანამედროვე DOI-ს გავრცელებულ ფორმებს და არა ყველა ისტორიულ ფორმას. ISBN-13 მნიშვნელობებს სჭირდება ვალიდური საკონტროლო ჯამი; ISBN-10-ს ასევე სჭირდება ISBN ეტიკეტი. ჰეშთეგები შეიძლება შეიცავდეს Unicode ასოებს, არაბულის ჩათვლით.
MAC მისამართები იყენებს ექვს ორწერტილიან ან დეფისით გამოყოფილ წყვილს. ინსტრუმენტი არასოდეს უკავშირდება ამოღებულ მისამართებს ან იდენტიფიკატორებს.
მნიშვნელობების გადამოწმება წყარო გვერდებთან ერთად
დაითვალეთ რაოდენობა, გადადით PDF-ის გვერდზე და გაფილტრეთ შედეგების სია.
გადახედვა და ორგანიზება
თითოეული შედეგი აღრიცხავს ფიზიკურ პოზიციას PDF-ში, რაც შეიძლება განსხვავდებოდეს დაბეჭდილი გვერდის ნომრებისგან. აირჩიეთ გვერდის ჩიპი გადახედვის გასახსნელად მიახლოებითი მონიშვნით.
დუბლიკატების წაშლა ჩართულია. რაოდენობები აერთიანებს ერთი და იმავე მნიშვნელობის ამოცნობილ გამეორებებს; გამორთეთ ის ცალკეული შემთხვევების სანახავად. ანბანური დახარისხება ცვლის სიის თანმიმდევრობას. ფილტრაცია ვრცელდება როგორც კოპირებაზე და ჩამოტვირთვაზე, ისე ხილულ მწკრივებზე.
მნიშვნელობების კოპირება ან სტრუქტურირებული სიის ჩამოტვირთვა
აირჩიეთ CSV რაოდენობებისა და გვერდებისთვის, ან TXT თითო მნიშვნელობისთვის თითო ხაზზე.
რას შეიცავს თითოეული ჩამოტვირთვა
CSV შეიცავს სვეტებს: ტიპი, მნიშვნელობა, რაოდენობა და გვერდები. UTF-8 კოდირება მხარს უჭერს არაბულ და სხვა დამწერლობებს. მნიშვნელობები, რომლებიც შეიძლება ინტერპრეტირებული იყოს როგორც ცხრილის ფორმულები, წინ უძღვის აპოსტროფი უფრო უსაფრთხო იმპორტისთვის.
TXT და კოპირება შეიცავს მხოლოდ მნიშვნელობებს, თითო ხაზზე. ფილტრის შესაბამისი ყველა მწკრივი შედის, მაშინაც კი, თუ ეკრანზე არსებული ცხრილი რამდენიმე გვერდზეა გაშლილი. ახალი PDF არ იქმნება და წყარო PDF უცვლელი რჩება.
დიდი მოცულობის ამოღების მართვა
დაამუშავეთ ერთი PDF თქვენს ბრაუზერში, მკაფიო ლიმიტებითა და ნაწილობრივი შედეგების შეტყობინებებით.
ფაილები, ლიმიტები და დასკანერებული გვერდები
ჩატვირთეთ ერთი PDF 50 MiB-მდე და 500 გვერდამდე. ამოღება ამოწმებს 250,000 სიმბოლომდე და 2,000 შესაბამისობამდე გვერდზე, 10 მილიონ სიმბოლომდე და 20,000 შესაბამისობამდე მთლიანობაში, და 2,000 ანოტაციამდე გვერდზე. 90-წამიანი ბიუჯეტი ზღუდავს ხანგრძლივ პროცესებს. ძალიან რთული დოკუმენტები შესაძლოა უკეთ მუშაობდეს უფრო მცირე ფაილებად დაყოფისას.
როდესაც ლიმიტი მიღწეულია ან გვერდის სრულად წაკითხვა შეუძლებელია, შედეგები აჩვენებს შეტყობინებას, ხოლო შეზღუდული ან წარუმატებელი პროცესები ექსპორტდება ფაილის სახელში partial-ით. გვერდები არჩევითი ტექსტის გარეშე ცალკე ითვლება. გამოიყენეთ PDF OCR მხოლოდ სურათიანი სკანირებისთვის, შემდეგ დაბრუნდით ამოცნობილი ტექსტის ამოსაღებად.
PDF შიგთავსი მუშავდება ადგილობრივად ამ ბრაუზერში. ატვირთული დოკუმენტები არ იგზავნება ამოღების სერვერზე. PDF-ში ნაპოვნი ბმულები, ელფოსტის მისამართები და ტელეფონის ნომრები არასოდეს უკავშირდება ავტომატურად.
მხარდაჭერილი ფაილები და დამუშავება
- შეყვანა
- გამოტანა
- CSV / TXT
გახსენით ერთი PDF ფაილი 50 მბ-მდე და 750 გვერდამდე. რთული დოკუმენტებისთვის შესაძლოა დაწესდეს დამატებითი შეზღუდვები გამომავალ ფაილზე, მეხსიერებასა და დამუშავებაზე.
დამუშავება ხდება თქვენს მოწყობილობაზე, დოკუმენტის ატვირთვის გარეშე. ჩამოტვირთეთ შედეგი გვერდის დახურვამდე; ორიგინალი შეინახეთ ცალკე.
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
ხშირად დასმული კითხვები
რამდენიმე სასარგებლო პასუხი
იცოდეთ რას უნდა ელოდოთ დაწყებამდე.
თქვენს მოწყობილობაზერა სახის მონაცემების ამოცნობა შეუძლია ამ ხელსაწყოს?
აირჩიეთ თქვენთვის საჭირო მონაცემთა ტიპები: ელფოსტები, ტელეფონის ნომრები, URL-ები, რიცხვითი თარიღები, IPv4 მისამართები, დომენები, DOI, ISBN, ჰეშთეგები და MAC მისამართები. გადაამოწმეთ ამოღებული მნიშვნელობები რაოდენობებთან და გვერდების მითითებებთან ერთად. ეს ხელსაწყო ამოიღებს ამოცნობად მნიშვნელობებს და არა ცხრილებს, ინვოისებს ან სემანტიკურ ველებს. შაბლონები და საკონტროლო ჯამები ამცირებს ხმაურს, მაგრამ არ იძლევა სისრულის გარანტიას და არ ადასტურებს იდენტიფიკატორის ნამდვილობას.
შემიძლია თუ არა მონაცემების ამოღება დასკანერებული PDF ფაილებიდან?
იკითხება მხოლოდ ამოსარჩევი ტექსტი და ამოცნობილი ბმულის სამიზნეები. მხოლოდ სურათების შემცველ გვერდებს ჯერ ესაჭიროება PDF OCR. გაუშვით OCR, ჩამოტვირთეთ საძიებო PDF და შემდეგ დაბრუნდით ამ ექსტრაქტორთან.
როგორ ხდება დუბლიკატებისა და რაოდენობების დამუშავება?
დუბლიკატების წაშლა აერთიანებს ამოცნობილ ეკვივალენტურ მნიშვნელობებს. „რაოდენობა“ აჩვენებს აღმოჩენილ შემთხვევებს, ხოლო „გვერდები“ ჩამოთვლის PDF-ის ფიზიკურ გვერდებს. გამორთეთ ეს ოფცია, თუ გსურთ შემთხვევების ცალ-ცალკე შენარჩუნება. დაბეჭდილი სამიზნე და შესაბამისი დაწკაპუნებადი ბმული ერთსა და იმავე გვერდზე ორჯერ არ ითვლება.
რა განსხვავებაა CSV-სა და TXT-ს შორის?
CSV მოიცავს ტიპს, მნიშვნელობას, შემთხვევების რაოდენობას და გვერდების მითითებებს. TXT და „ყველას კოპირება“ უზრუნველყოფს მხოლოდ მნიშვნელობებს, თითოეულს თითო ხაზზე. შედის მიმდინარე ფილტრის შესაბამისი ყველა მწკრივი და არა მხოლოდ ცხრილის ხილული გვერდი.
იგზავნება თუ არა PDF ამოღებისთვის?
არა. PDF-ის ანალიზი, შესაბამისობა და ექსპორტი ხორციელდება ამ ბრაუზერში. ორიგინალი PDF უცვლელია. არცერთი ამოღებული ბმული, ელფოსტა ან ტელეფონის ნომერი არ უკავშირდება ავტომატურად.
რა შეზღუდვები არსებობს?
ერთი PDF ფაილი 50 MiB-მდე და 500 გვერდამდე. ამოღება შეზღუდულია 250,000 ტექსტური სიმბოლოთი და 2,000 დამთხვევით თითო გვერდზე, 10 მილიონი სიმბოლოთი და 20,000 დამთხვევით მთლიანობაში, და 2,000 ანოტაციით თითო გვერდზე. შედეგებს მოჰყვება შეტყობინება, თუ შეზღუდვების ან წაუკითხავი გვერდების გამო ისინი ნაწილობრივია.
