PDF에서 데이터 추출.

날짜는 4자리 연도를 포함하는 숫자 형식을 사용해야 합니다. 모호한 일/월 값은 소스 순서를 유지합니다. IPv4 옥텟은 유효성이 검사되지만, IPv6는 포함되지 않습니다.

도메인은 임의의 파일 이름이 아닌 인식된 이메일과 웹 링크에서 파생됩니다. DOI 추출은 일반적인 최신 DOI 형식을 다루며, 모든 과거 형식을 다루지는 않습니다. ISBN-13 값은 유효한 체크섬이 필요하며, ISBN-10은 ISBN 레이블도 필요합니다. 해시태그는 아랍어를 포함한 유니코드 문자를 포함할 수 있습니다.

MAC 주소는 콜론 또는 하이픈으로 구분된 6개의 쌍을 사용합니다. 이 도구는 추출된 주소나 식별자에 절대 연락하지 않습니다.

각 결과는 PDF 내의 물리적 페이지 위치를 기록하며, 이는 인쇄된 페이지 번호와 다를 수 있습니다. 페이지 칩을 선택하여 대략적인 강조 표시와 함께 미리보기를 엽니다.

중복 제거는 기본적으로 활성화되어 있습니다. 개수는 동일한 값의 인식된 반복을 결합합니다. 별도의 발생 항목을 보려면 이 기능을 끄세요. 알파벳순 정렬은 목록 순서를 변경합니다. 필터링은 화면에 표시된 행뿐만 아니라 복사 및 다운로드에도 적용됩니다.

CSV에는 유형, 값, 개수 및 페이지 열이 포함됩니다. UTF-8 인코딩은 아랍어 및 기타 스크립트를 지원합니다. 스프레드시트 수식으로 해석될 수 있는 값은 더 안전한 가져오기를 위해 앞에 아포스트로피가 붙습니다.

TXT와 모두 복사는 줄당 하나의 값만 포함합니다. 화면의 표가 여러 결과 페이지에 걸쳐 있더라도 필터와 일치하는 모든 행이 포함됩니다. 새 PDF는 생성되지 않으며 원본 PDF는 변경되지 않습니다.

최대 50 MiB 및 500페이지의 PDF 하나를 로드합니다. 추출은 페이지당 최대 250,000자 및 2,000개의 일치 항목, 전체적으로 1,000만 자 및 20,000개의 일치 항목, 페이지당 2,000개의 주석을 확인합니다. 90초의 추출 예산이 긴 작업을 제한합니다. 매우 복잡한 문서는 더 작은 파일로 분할할 때 더 잘 작동할 수 있습니다.

제한에 도달하거나 페이지를 완전히 읽을 수 없는 경우, 결과에 알림이 표시되며 제한되거나 실패한 실행은 파일 이름에 partial이 포함되어 내보내집니다. 선택 가능한 텍스트가 없는 페이지는 별도로 계산됩니다. 이미지 전용 스캔의 경우 PDF OCR을 사용한 다음, 인식된 텍스트를 추출하세요.

PDF 콘텐츠는 이 브라우저에서 로컬로 처리됩니다. 업로드된 문서는 추출 서버로 전송되지 않습니다. PDF 내에서 발견된 링크, 이메일 주소 및 전화번호는 자동으로 연락되지 않습니다.