Kumuha ng Data mula sa PDF.

Ang mga petsa ay dapat gumamit ng numeric na format na may apat na digit na taon; ang mga malabong value ng araw/buwan ay pinapanatili ang kanilang source order. Ang mga IPv4 octet ay bina-validate; ang IPv6 ay hindi kasama.

Ang mga domain ay nagmumula sa mga nakilalang email at web link, hindi sa mga arbitrary na filename. Ang extraction ng DOI ay sumasaklaw sa mga karaniwang modernong anyo ng DOI, hindi sa bawat historikal na anyo. Ang mga value ng ISBN-13 ay nangangailangan ng valid na checksum; ang ISBN-10 ay nangangailangan din ng label na ISBN. Ang mga hashtag ay maaaring maglaman ng mga titik na Unicode, kabilang ang Arabic.

Ang mga MAC address ay gumagamit ng anim na pares na pinaghihiwalay ng colon o hyphen. Ang tool ay hindi kailanman kumokontak sa mga na-extract na address o identifier.

Ang bawat resulta ay nagtatala ng pisikal na posisyon ng pahina sa PDF, na maaaring magkaiba sa mga naka-print na numero ng pahina. Pumili ng page chip upang buksan ang preview na may humigit-kumulang na highlight.

Ang pag-aalis ng mga duplicate ay naka-enable simula pa lang. Pinagsasama ng mga bilang ang mga nakilalang pag-uulit ng parehong value; i-off ito upang makita ang magkakahiwalay na paglitaw. Ang pag-aayos nang pa-alpabeto ay nagbabago sa pagkakasunod-sunod ng listahan. Ang pag-filter ay nalalapat sa pag-copy at pag-download pati na rin sa mga nakikitang row.

Ang CSV ay naglalaman ng mga column na Type, Value, Count, at Pages. Ang UTF-8 encoding ay sumusuporta sa Arabic at iba pang script. Ang mga value na maaaring bigyang-kahulugan bilang mga spreadsheet formula ay nilalagyan ng apostrophe sa unahan para sa mas ligtas na pag-import.

Ang TXT at Copy ay parehong naglalaman ng mga value lamang, isa bawat linya. Kasama ang lahat ng row na tumutugma sa filter, kahit na ang table sa screen ay sumasaklaw sa ilang pahina ng resulta. Walang bagong PDF ang nililikha at ang source PDF ay hindi nababago.

Mag-load ng isang PDF na hanggang 50 MiB at 500 pahina. Ang extraction ay nagsusuri ng hanggang 250,000 character at 2,000 match bawat pahina, 10 milyong character at 20,000 match sa kabuuan, at 2,000 annotation bawat pahina. Ang 90-segundong budget sa extraction ay naglilimita sa mahahabang run. Ang mga napakakumplikadong dokumento ay maaaring mas gumana nang maayos kapag hinati sa mas maliliit na file.

Kapag naabot ang isang limitasyon o hindi mabasa nang buo ang isang pahina, ang mga resulta ay nagpapakita ng paunawa at ang mga limitado o nabigong run ay nag-e-export na may partial sa filename. Ang mga pahinang walang mapipiling teksto ay binibilang nang hiwalay. Gamitin ang PDF OCR para sa mga image-only na scan, pagkatapos ay bumalik upang i-extract ang nakilalang teksto.

Ang nilalaman ng PDF ay pinoproseso nang lokal sa browser na ito. Ang mga na-upload na dokumento ay hindi ipinapadala sa isang extraction server. Ang mga link, email address, at numero ng telepono na matatagpuan sa loob ng PDF ay hindi kailanman awtomatikong kinokontak.