Trích xuất dữ liệu từ PDF.

Ngày tháng phải sử dụng định dạng số với năm bốn chữ số; các giá trị ngày/tháng mơ hồ giữ nguyên thứ tự nguồn. Các octet IPv4 được xác thực; IPv6 không được bao gồm.

Tên miền được suy ra từ email và liên kết web được nhận diện, không phải tên tệp tùy ý. Trích xuất DOI bao gồm các dạng DOI hiện đại phổ biến, không phải mọi dạng lịch sử. Các giá trị ISBN-13 cần tổng kiểm tra hợp lệ; ISBN-10 cũng cần nhãn ISBN. Hashtag có thể chứa các chữ cái Unicode, bao gồm cả tiếng Ả Rập.

Địa chỉ MAC sử dụng sáu cặp được phân tách bằng dấu hai chấm hoặc dấu gạch nối. Công cụ không bao giờ liên hệ với các địa chỉ hoặc định danh được trích xuất.

Mỗi kết quả ghi lại vị trí trang vật lý trong PDF, có thể khác với số trang in. Chọn một thẻ trang để mở bản xem trước với phần đánh dấu tương đối.

Tính năng xóa trùng lặp được bật mặc định. Số lượng kết hợp các lần lặp lại của cùng một giá trị; hãy tắt nó để xem các lần xuất hiện riêng biệt. Sắp xếp theo bảng chữ cái thay đổi thứ tự danh sách. Việc lọc áp dụng cho cả sao chép và Tải xuống cũng như các hàng hiển thị.

CSV chứa các cột Loại, Giá trị, Số lượng và Trang. Mã hóa UTF-8 hỗ trợ tiếng Ả Rập và các tập lệnh khác. Các giá trị có thể được hiểu là công thức bảng tính được thêm dấu nháy đơn ở phía trước để nhập an toàn hơn.

TXT và Sao chép tất cả chỉ chứa các giá trị, mỗi giá trị một dòng. Tất cả các hàng khớp với bộ lọc đều được bao gồm, ngay cả khi bảng trên màn hình trải dài trên nhiều trang kết quả. Không có PDF mới nào được tạo và PDF nguồn không thay đổi.

Tải một PDF lên đến 50 MiB và 500 trang. Trích xuất kiểm tra tối đa 250.000 ký tự và 2.000 kết quả khớp mỗi trang, 10 triệu ký tự và 20.000 kết quả khớp tổng thể, và 2.000 chú thích mỗi trang. Ngân sách trích xuất 90 giây giới hạn các lần chạy dài. Các tài liệu rất phức tạp có thể hoạt động tốt hơn khi được chia thành các tệp nhỏ hơn.

Khi đạt đến giới hạn hoặc một trang không thể đọc đầy đủ, kết quả sẽ hiển thị thông báo và các lần chạy bị giới hạn hoặc thất bại sẽ xuất tệp có chữ partial trong tên tệp. Các trang không có văn bản có thể chọn được tính riêng. Sử dụng PDF OCR cho các bản quét chỉ có hình ảnh, sau đó quay lại để trích xuất văn bản đã nhận diện.

Nội dung PDF được xử lý cục bộ trong trình duyệt này. Các tài liệu đã tải lên không được gửi đến máy chủ trích xuất. Các liên kết, địa chỉ email và số điện thoại được tìm thấy bên trong PDF không bao giờ được tự động liên hệ.