Trích xuất liên kết từ PDF.

Các liên kết in bắt đầu bằng http://, https:// hoặc www. đều được nhận diện. Các chú thích liên kết PDF cũng có thể tiết lộ đích HTTP/HTTPS đằng sau văn bản thông thường. PDF không cần hiển thị URL dưới dạng nhãn có thể nhấp.

Các đích in và chú thích giống hệt nhau trên một trang không bị tính hai lần. Các dạng URL chuẩn hóa được sử dụng để so sánh trùng lặp, trong khi cách viết được nhận diện đầu tiên sẽ được hiển thị. Các URL dài, bị ngắt dòng hoặc bị hỏng có thể cần chỉnh sửa thủ công. Không có URL nào được trích xuất tự động truy cập.

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.