Mở Trích xuất liên kết 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. Tài liệu mẫu ba trang tạo ra 4 địa chỉ web duy nhất từ 5 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.
Giữ Loại bỏ trùng lặp được bật để nhóm các mục tiêu lặp lại. Chọn CSV khi bạn cần tham chiếu trang, hoặc TXT cho danh sách URL thuần túy. Ví dụ này sử dụng định dạng CSV mặc định và thứ tự nguồn.
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.
Tài liệu mẫu bao gồm https://example.org/events hai lần và ba địa chỉ web khác. Nó cũng minh họa một liên kết có thể nhấp mà nhãn hiển thị khác với mục tiêu của nó. Một URL được in và mục tiêu có thể nhấp giống hệt nó trên cùng một trang không được tính hai lần.
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.
Câu hỏi thường gặp
Công cụ này có thể tìm thấy liên kết đằng sau các từ như “Đọc thêm” không?
Có, khi các từ đó có chú thích liên kết HTTP hoặc HTTPS được hỗ trợ trong PDF. Giá trị được xuất là đích đến web của nó. Chỉ riêng gạch chân trực quan không chứng minh được rằng một liên kết có thể nhấp 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 mỗi trang, với ngân sách xử lý 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. Việc trích xuất đọc tệp trong trình duyệt và không truy cập các đích đến đã trích xuất. Các nút trang điều hướng trong bản xem trước PDF.
Giữ 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.
