参考文献
收集来源链接
从报告和研究文档中建立参考列表。
实用的 PDF 工具，化繁为简
从PDF中提取链接.
将PDF中的有用链接提取出来。
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
提取的数据
| 类型 | 值 | 计数 | 页码 |
|---|
复制和下载包含所有匹配行，涵盖所有结果页面。CSV 包含计数和 PDF 页码；TXT 仅包含值。
在结果中选择页码以检查其来源。高亮显示表示大致位置。
100%
您的提取列表已准备就绪
您的列表已准备就绪。下载它，或返回以查看并更改格式。
Advertisements
Ad placeholder336 × 280468 × 60Responsive · flexible width × 250Up to 300 × 50
您的 PDF 在此浏览器中进行处理。
PDF
如何从PDF中提取链接
- 01
选择一个 PDF
加载包含可选择文本的文档，或尝试示例。
- 02
提取并查看
选择“提取”。查看值、计数和源页面；筛选或排序列表。
- 03
复制或下载
复制值，或下载包含页面引用的 CSV 或简单的 TXT 列表。
无需打开每一页即可提取PDF链接
从一个PDF中收集打印的HTTP/HTTPS地址、www地址和可点击的网页链接目标。保留页面引用并下载去重后的CSV或TXT列表。
快速视频教程
如何从 PDF 中提取链接和网址
保留有用的网页链接，无需逐个打开。
英语旁白
观看视频
这有什么用？
资源
保存有用的目标地址
提取可点击资源标签背后的目标地址。
审查
保留审计列表
在其他地方审查之前，记录每个链接的发现位置。
功能与控制
查找可见且可点击的链接
即使链接标签仅显示为“阅读更多”，也包含其链接目标。
链接提取的工作原理
以 http://、https:// 或 www. 开头的打印链接会被识别。PDF 链接注释还可以揭示普通文本背后的 HTTP/HTTPS 目标。PDF 无需将 URL 显示为可点击的标签。
页面上相同的打印目标和注释不会被重复计算。重复比较使用标准化的 URL 格式，同时显示首次识别的拼写。过长、换行或损坏的 URL 可能需要手动更正。提取的 URL 不会自动抓取。
查看数值及其来源页面
检查计数、跳转至 PDF 页面并筛选结果列表。
查看与整理
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。
复制值或下载结构化列表
选择 CSV 以获取计数和页码，或选择 TXT 以每行一个值的方式导出。
每次下载包含的内容
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。
保持大规模提取的可管理性
在浏览器中处理一个 PDF，并设有明确的限制和部分结果通知。
文件、限制和扫描页面
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。
支持的文件与处理
- 输入
- 输出
- CSV / TXT
打开一个最大 50 MB 且最多 750 页的 PDF。复杂文档可能会受到额外的输出、内存和处理限制。
处理过程在您的设备上进行，无需上传文档。请在关闭页面前下载结果；请单独保存原始文件。
Advertisements
Ad placeholderResponsive · up to 1933 × 500Responsive · up to 1933 × 250468 × 60Up to 320 × 100Up to 300 × 50
常问问题
一些有用的解答
在开始前了解预期效果。
在您的设备上处理此工具可以识别什么？
从一个 PDF 中收集打印的 HTTP/HTTPS 地址、www 地址以及可点击的网页链接目标。保留页面引用，并以 CSV 或 TXT 格式下载去重后的列表。该工具不会检查链接是否仍然有效。内部页面目标、JavaScript 操作、mailto 以及其他非网页方案不会被导出为网页链接。
我可以从扫描的 PDF 中提取数据吗？
仅读取可选择的文本和识别出的链接目标。纯图像页面需要先进行 PDF OCR。运行 OCR，下载可搜索的 PDF，然后返回此提取器。
如何处理重复项和计数？
“移除重复项”功能会合并识别出的等效值。“计数”显示检测到的出现次数，“页面”列出物理 PDF 页面位置。禁用此选项可保持各项独立。同一页面上的打印目标和匹配的可点击链接不会被重复计算。
CSV 和 TXT 有什么区别？
CSV 包含类型、值、出现次数和页面引用。TXT 和“全部复制”仅提供值，每行一个。所有匹配当前筛选器的行都会被包含，而不仅仅是当前可见的表格页面。
PDF 是否会上传进行提取？
不会。PDF 解析、匹配和导出均在此浏览器中运行。原始 PDF 保持不变。提取出的任何链接、电子邮件或电话号码都不会被自动联系。
有什么限制吗？
单个 PDF 最大 50 MiB 和 500 页。提取限制为每页 250,000 个文本字符和 2,000 个匹配项，总计 1,000 万个字符和 20,000 个匹配项，以及每页 2,000 个注释。如果因限制或页面无法读取导致结果不完整，系统会显示提示。
