从PDF中提取数据.

日期必须使用带有四位年份的数字格式；模棱两可的日/月数值将保留其原始顺序。IPv4 八位组会经过验证；不包含 IPv6。

域名是从可识别的电子邮件和网页链接中提取的，而非任意文件名。DOI 提取涵盖常见的现代 DOI 格式，而非所有历史格式。ISBN-13 值需要有效的校验和；ISBN-10 也需要 ISBN 标签。标签（Hashtag）可以包含 Unicode 字母，包括阿拉伯语。

MAC 地址使用六组由冒号或连字符分隔的对。本工具绝不会联系提取出的地址或标识符。

每个结果都会记录其在 PDF 中的物理页面位置，这可能与打印的页码不同。选择一个页面标签即可打开预览并查看大致的高亮显示。

“移除重复项”默认开启。计数会合并相同数值的识别重复项；关闭此选项可查看单独出现的次数。按字母顺序排序可更改列表顺序。筛选功能同时适用于复制、下载以及可见行。

CSV 包含类型、值、计数和页码列。UTF-8 编码支持阿拉伯语和其他脚本。可能被解释为电子表格公式的值会加上撇号前缀，以便更安全地导入。

TXT 和“复制全部”仅包含值，每行一个。即使屏幕上的表格跨越多个结果页面，所有符合过滤条件的行都会被包含在内。不会创建新的 PDF，源 PDF 也保持不变。

加载单个最大 50 MiB 和 500 页的 PDF。提取过程会检查每页最多 250,000 个字符和 2,000 个匹配项，总体最多 1,000 万个字符和 20,000 个匹配项，以及每页 2,000 个注释。90 秒的提取预算限制了长时间的运行。非常复杂的文档在拆分为较小的文件时效果更好。

当达到限制或页面无法完全读取时，结果会显示通知，且受限或失败的运行会在文件名中导出 partial 标识。没有可选文本的页面会被单独计算。请对纯图像扫描件使用 PDF OCR，然后再返回提取识别出的文本。

PDF 内容在此浏览器中进行本地处理。上传的文档不会发送到提取服务器。PDF 内发现的链接、电子邮件地址和电话号码绝不会被自动联系。