Penyelidikan
Kumpul pengecam
Kumpul nilai DOI dan ISBN dengan halaman tempat ia muncul.
Tugas PDF yang berguna, dipermudahkan
Ekstrak Data daripada PDF.
Cari data yang anda perlukan. Simpan halaman sumber dengan setiap hasil.
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
Data yang diekstrak
| Jenis | Nilai | Kiraan | Halaman |
|---|
Salin dan muat turun merangkumi semua baris yang sepadan, merentasi setiap halaman hasil. CSV merangkumi kiraan dan nombor halaman PDF; TXT hanya mengandungi nilai.
Pilih nombor halaman dalam Hasil untuk menyemak sumbernya. Sorotan menunjukkan kedudukan anggaran.
100%
Senarai yang diekstrak sudah sedia
Senarai anda sudah sedia. Muat turunnya, atau kembali untuk menyemak dan menukar format.
Advertisements
Ad placeholder336 × 280468 × 60Responsive · flexible width × 250Up to 300 × 50
PDF anda diproses dalam pelayar ini.
PDF
Cara mengekstrak data daripada pdf
- 01
Pilih satu PDF
Muatkan dokumen dengan teks yang boleh dipilih, atau cuba sampel.
- 02
Ekstrak dan semak
Pilih Ekstrak. Semak nilai, kiraan dan halaman sumber; tapis atau isih senarai.
- 03
Salin atau muat turun
Salin nilai, atau muat turun CSV dengan rujukan halaman atau senarai TXT ringkas.
Ekstrak nilai berstruktur daripada PDF ke dalam CSV atau teks
Pilih jenis data yang anda perlukan: e-mel, nombor telefon, URL, tarikh angka, alamat IPv4, domain, DOI, ISBN, hashtag dan alamat MAC. Semak nilai yang diekstrak dengan kiraan dan rujukan halaman.
TUTORIAL VIDEO PANTAS
Cara mengekstrak data berstruktur daripada PDF
Kumpul kenalan dan pengecam penyelidikan dalam satu senarai yang teratur.
Narasi bahasa Inggeris
Tonton video
Bilakah ini berguna?
Laporan
Keluarkan butiran angka
Cari entri bertarikh dan alamat IPv4.
Direktori
Bina senarai kenalan
Gabungkan e-mel, telefon dan pautan web dalam satu eksport berstruktur.
Ciri dan kawalan
Pilih jenis data yang berguna
Mulakan dengan e-mel, telefon dan URL, kemudian buka Lebih banyak jenis data untuk nilai khusus.
Apa yang disokong oleh pengecam
Tarikh mesti menggunakan format angka dengan tahun empat digit; nilai hari/bulan yang samar mengekalkan susunan sumbernya. Oktet IPv4 disahkan; IPv6 tidak disertakan.
Domain diperoleh daripada e-mel dan pautan web yang diiktiraf, bukan nama fail sebarangan. Pengekstrakan DOI meliputi bentuk DOI moden yang biasa, bukan setiap bentuk sejarah. Nilai ISBN-13 memerlukan checksum yang sah; ISBN-10 juga memerlukan label ISBN. Hashtag boleh mengandungi huruf Unicode, termasuk bahasa Arab.
Alamat MAC menggunakan enam pasangan yang dipisahkan oleh titik bertindih atau tanda sempang. Alat ini tidak pernah menghubungi alamat atau pengecam yang diekstrak.
Semak nilai dengan halaman sumbernya
Semak kiraan, lompat ke halaman PDF, dan tapis senarai hasil.
Semak dan susun
Setiap hasil merekodkan kedudukan halaman fizikal dalam PDF, yang mungkin berbeza daripada nombor halaman bercetak. Pilih cip halaman untuk membuka pratonton dengan sorotan anggaran.
Alih keluar pendua bermula dalam keadaan didayakan. Kiraan menggabungkan ulangan nilai yang sama yang diiktiraf; matikannya untuk melihat kejadian berasingan. Isih mengikut abjad menukar susunan senarai. Penapisan terpakai pada penyalinan dan Muat turun serta baris yang kelihatan.
Salin nilai atau Muat turun senarai berstruktur
Pilih CSV untuk kiraan dan halaman, atau TXT untuk satu nilai setiap baris.
Apa yang terkandung dalam setiap Muat turun
CSV mengandungi lajur Jenis, Nilai, Kiraan dan Halaman. Pengekodan UTF-8 menyokong bahasa Arab dan skrip lain. Nilai yang boleh ditafsirkan sebagai formula hamparan diawali dengan tanda apostrof untuk import yang lebih selamat.
TXT dan Salin semua hanya mengandungi nilai, satu setiap baris. Semua baris yang sepadan dengan penapis disertakan, walaupun jadual pada skrin merangkumi beberapa halaman hasil. Tiada PDF baharu dicipta dan PDF sumber tidak berubah.
Pastikan pengekstrakan besar boleh diurus
Proses satu PDF dalam pelayar anda, dengan had eksplisit dan notis hasil separa.
Fail, had dan halaman yang diimbas
Muatkan satu PDF sehingga 50 MiB dan 500 halaman. Pengekstrakan menyemak sehingga 250,000 aksara dan 2,000 padanan setiap halaman, 10 juta aksara dan 20,000 padanan secara keseluruhan, serta 2,000 anotasi setiap halaman. Belanjawan pengekstrakan 90 saat mengehadkan larian yang panjang. Dokumen yang sangat kompleks mungkin berfungsi dengan lebih baik apabila dipecahkan kepada fail yang lebih kecil.
Apabila had dicapai atau halaman tidak dapat dibaca sepenuhnya, hasil menunjukkan notis dan larian yang terhad atau gagal akan dieksport dengan partial dalam nama fail. Halaman tanpa teks yang boleh dipilih dikira secara berasingan. Gunakan OCR PDF untuk imbasan imej sahaja, kemudian kembali untuk mengekstrak teks yang dikenali.
Kandungan PDF diproses secara setempat dalam pelayar ini. Dokumen yang dimuat naik tidak dihantar ke pelayan pengekstrakan. Pautan, alamat e-mel dan nombor telefon yang ditemui di dalam PDF tidak pernah dihubungi secara automatik.
Fail & pemprosesan yang disokong
- Input
- Output
- CSV / TXT
Buka satu PDF sehingga 50 MB dan 750 halaman. Had output, memori dan pemprosesan tambahan mungkin dikenakan pada dokumen yang kompleks.
Pemprosesan berlaku pada peranti anda tanpa memuat naik dokumen. Muat turun hasil anda sebelum menutup halaman; simpan asal secara berasingan.
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
Soalan Lazim
Beberapa jawapan berguna
Ketahui apa yang diharapkan sebelum anda bermula.
Pada peranti andaApakah yang boleh dikenal pasti oleh alat ini?
Pilih jenis data yang anda perlukan: e-mel, nombor telefon, URL, tarikh berangka, alamat IPv4, domain, DOI, ISBN, tanda pagar dan alamat MAC. Semak nilai yang diekstrak dengan kiraan dan rujukan halaman. Ini mengekstrak nilai yang boleh dikenal pasti, bukan jadual, invois atau medan semantik. Corak dan hasil tambah semak mengurangkan gangguan tetapi tidak menjamin kelengkapan atau membuktikan bahawa pengecam adalah tulen.
Bolehkah saya mengekstrak data daripada PDF yang diimbas?
Hanya teks yang boleh dipilih dan sasaran pautan yang dikenal pasti dibaca. Halaman yang hanya mengandungi imej memerlukan OCR PDF terlebih dahulu. Jalankan OCR, muat turun PDF yang boleh dicari, kemudian kembali ke pengekstrak ini.
Bagaimanakah pendua dan kiraan dikendalikan?
Alih keluar pendua menggabungkan nilai setara yang dikenal pasti. Kiraan menunjukkan kejadian yang dikesan dan Halaman menyenaraikan kedudukan halaman PDF fizikal. Lumpuhkan pilihan ini untuk memastikan kejadian kekal berasingan. Sasaran bercetak dan pautan boleh klik yang sepadan pada halaman yang sama tidak dikira dua kali.
Apakah perbezaan antara CSV dan TXT?
CSV merangkumi jenis, nilai, kiraan kejadian dan rujukan halaman. TXT dan Salin semua hanya menyediakan nilai, satu bagi setiap baris. Semua baris yang sepadan dengan penapis semasa disertakan, bukan hanya halaman jadual yang kelihatan.
Adakah PDF dimuat naik untuk pengekstrakan?
Tidak. Penghuraian, pemadanan dan eksport PDF dijalankan dalam pelayar ini. PDF asal tidak berubah. Tiada pautan, e-mel atau nombor telefon yang diekstrak dihubungi secara automatik.
Apakah hadnya?
Satu PDF sehingga 50 MiB dan 500 halaman. Pengekstrakan dihadkan kepada 250,000 aksara teks dan 2,000 padanan setiap halaman, 10 juta aksara dan 20,000 padanan secara keseluruhan, serta 2,000 anotasi setiap halaman. Keputusan membawa notis jika had atau halaman yang tidak boleh dibaca menjadikannya separa.
