Mở Trích xuất dữ liệu từ PDF để thu thập các giá trị từ một tệp PDF mà không cần sao chép từng dòng. Việc so sánh sử dụng tài liệu mẫu thực tế và tệp CSV được tải xuống từ công cụ. Với email, số điện thoại, URL, DOI, ISBN và IPv4 được chọn, mẫu ba trang tạo ra 11 hàng duy nhất từ 15 lần xuất hiện.
Mở tệp PDF của bạn
Tải lên một tệp PDF, hoặc chọn Thử mẫu để làm theo ví dụ này. Bản xem trước PDF và hình thu nhỏ của trang sẽ xuất hiện. Tệp gốc của bạn vẫn không thay đổi và quá trình trích xuất diễn ra trong trình duyệt của bạn.
Một thư mục, báo cáo, bài nghiên cứu hoặc tài liệu quảng cáo dựa trên văn bản là điểm khởi đầu hữu ích. Các bản quét chỉ chứa hình ảnh cần OCR trước khi văn bản in của chúng có thể được nhận dạng.
Chọn các tùy chọn hữu ích
Trên điện thoại, hãy mở Cài đặt. Trên máy tính, hãy sử dụng bảng cài đặt bên cạnh bản xem trước.
Trong phần Cần trích xuất gì, email, số điện thoại và URL được chọn mặc định. Mở Các loại dữ liệu khác và chọn thêm DOI, ISBN và địa chỉ IPv4. Giữ nguyên tùy chọn loại bỏ trùng lặp và chọn CSV.
Trích xuất và kiểm tra các kết quả khớp
Chọn Trích xuất. Khi quá trình xử lý kết thúc, tab Kết quả sẽ hiển thị các giá trị, số lần xuất hiện và các trang nguồn. Chọn một số trang hình tròn để kiểm tra vị trí của nó trong bản xem trước PDF, sau đó quay lại Kết quả.
Đầu ra kết hợp danh sách liên hệ với DOI 10.1000/182, ISBN 978-0-306-40615-7 và địa chỉ IPv4 192.0.2.10 từ trang 2. Cột Loại xác định từng giá trị. Lọc theo một từ hoặc mã định danh có liên quan trước khi sao chép hoặc tải xuống một tập hợp con nhỏ hơn.
Sử dụng Lọc kết quả để thu hẹp danh sách. Việc sao chép và tải xuống bao gồm tất cả các hàng khớp, ngay cả khi bảng kết quả trải dài trên nhiều màn hình.
Tải xuống CSV hoặc TXT
Chọn Tải xuống CSV, sau đó sử dụng nút Tải xuống chính trên màn hình sẵn sàng. CSV chứa các cột Loại, Giá trị, Số lần và Trang. TXT và Sao chép tất cả chứa mỗi giá trị một dòng.
Các giá trị CSV có thể bị hiểu nhầm là công thức bảng tính được bảo vệ bằng dấu nháy đơn ở đầu. Ví dụ, một số điện thoại quốc tế bắt đầu bằng dấu cộng. Sử dụng TXT nếu bạn cần một danh sách thuần túy không có bảo vệ bảng tính.
Các câu hỏi thường gặp
Công cụ này có trích xuất bất kỳ số nào hoặc mọi mã định danh không?
Không. Mỗi danh mục được chọn có các quy tắc nhận dạng riêng. IPv6, tỷ lệ phần trăm, giá và số thẻ thanh toán không được trích xuất. Hãy xem xét các kết quả khớp với nguồn; định dạng hợp lệ không thể xác nhận rằng một liên hệ hoặc mã định danh có tồn tại.
Tôi nên làm gì với tệp PDF đã quét?
Chạy PDF OCR trước, sau đó tải bản đã nhận dạng vào công cụ này. Kiểm tra đầu ra OCR cẩn thận: một ký tự sai có thể thay đổi địa chỉ hoặc mã định danh.
Các giới hạn trích xuất là gì?
Sử dụng một tệp PDF lên đến 50 MiB và 750 trang. Việc trích xuất bị giới hạn ở 20,000 kết quả khớp tổng thể và 2,000 trên mỗi trang, với ngân sách xử lý là 90 giây. Các giới hạn về văn bản và chú thích cũng được áp dụng. Nếu một giới hạn hoặc trang không thể đọc được làm gián đoạn quá trình quét, công cụ sẽ hiển thị thông báo kết quả một phần và đánh dấu tên tệp xuất là một phần.
Các liên kết PDF của tôi có được mở tự động không?
Không. Quá trình trích xuất đọc tệp trong trình duyệt và không truy cập các đích đến được trích xuất. Các nút trang điều hướng trong bản xem trước PDF.
Giữ lại các giá trị và ngữ cảnh của chúng
Trích xuất một danh sách tập trung, kiểm tra các trang nguồn và tải xuống định dạng phù hợp với bước tiếp theo của bạn.
