Kokio tipo raktiniai žodžiai geriausiai tinka skaidymui?

Geriausiai veikia nuoseklios, unikalios fraziės, kurios pasirodo lygžiai kartą per sekciją. Pavyzdžiai: „Sąskaitos numeris“, „1 puslapis iš“, EKSPONATAS, „Gerbiamas“ arba dokumento ID prefiksai. Venkite labai dažnų žodžių, kurie pasirodo daug kartų per sekciją.

Ar įrankis veikia su nuskaitytais PDF?

Skaidymui pagal tekstą reikalingas mašinos skaitomas tekstas. Nuskaityti vaizdų PDF turi būti pirmiausia apdoroti OCR teksto ištraukimui. Prieš taikant „Skaidymą pagal tekstą“, naudokite dokk.ai OCR įrankį nuskaitytam PDF.

Ar galiu naudoti reguliarųjį reiškinį kaip skaidymo raktinį žodį?

Taip. Įjunkite regex parinktį ir įveskite šabloną, pvz., Sąskaita #\d+ bet kokiam sąskaitos numeriui atitikti, arba ^(Sausis|Vasaris|Kovas) skaidymui prie mėnesių pavadinimų eilės pradžioje.

Kas nutinka, jei raktinis žodis dokumente nepasirodo?

Jei atitikmenių nerasta, įrankis grąžina originalų PDF nepakeistą ir rodo Įspėjimą, nurodantį, kad raktinis žodis nebuvo aptiktas. Patikrinkite rašybą ir įsitikinkite, kad PDF turi mašinos skaitomą tekstą.

Koks skirtumas tarp „Skaidymo pagal tekstą“ ir „Skaidymo pagal žymes“?

Skaidymas pagal žymes naudoja struktūrinį kontrą, įterptą PDF. Skaidymas pagal tekstą naudoja tikrąjį puslapio turinį dinamiškai randant skaidymo taškus. Naudokite žymes struktūriniams dokumentams su formaliu kontrą; naudokite „Skaidymą pagal tekstą“ automatiškai generuotiems masinio eksporto failams, kur nuosekliai raktiniai žodžiai yra, bet žymės gali nebūti.

Ar galiu įtraukti arba pašalinti raktinio žodžio puslapį iš išvesties failo?

Taip. Galite konfigurūoti, ar puslapis su raktiniu žodžiu tampa kito išvesties failo pirmuoju puslapiu, ar ankstesnio išvesties failo paskutiniu puslapiu. Taip pat galite atmesti atskiriamųjų puslapių turinį, jei juose nėra jokio reišmingo turinio.

Kiek skaidymo taškų gali apdoroti įrankis?

Skaidymo taškų skaičiui nėra griežtos ribos. Įrankis buvo išbandytas su dokumentais, turinčiais daugiau nei 1000 raktinių žodžių pasitaikymų, sugeneruojant daugiau nei 1000 išvesties failų viename ZIP archyve.

Ar išvesties failai automatiškai pavadinami?

Išvesties failai pagal nutylėjimą sunumeruojami iš eilės (pvz., skaidymas_001.pdf, skaidymas_002.pdf). Jei raktinio žodžio atitikmuo turi unikalų identifikatorių (pvz., sąskaitos numerį), ta reikšmė gali pasirinktinai būti naudojama failo pavadinime.

Ar galiu ištraukti puslapius tik iš kai kurių raktinių žodžių atitikmenių?

Standartinis darbo eiga dalija kiekvieną atitikmeni. Selektyviam ištraukimui naudokite „Ištraukti puslapius“ po puslapių diapazonų identifikavimo iš skaidymo peržiūros, arba naudokite „Skaidymą pagal puslapių diapazono“ rankineį kontrolėi.

Ar yra failo dydžio limitas?

Dokk.ai priima PDF iki 200 MB. Didesnio masinio eksporto atveju apsvarstykite pirmiausia padalinti šaltinio failą per pusę, o tada pritaikyti „Skaidymą pagal tekstą“ kiekvienai pusei.

Visi įrankiai

Podział wg tekstu

Podziel gdy tekst zmienia się między stronami

1Įkelti

2Konfigūruoti

3Apdoroti

Drop file here

PDF, Word, Excel, PowerPoint, images up to 25 MB

Pagrindinės funkcijos

Dalina PDF kiekviename puslapyje
kuriame yra nurodytas raktinis žodis arba fraziė
Didžiųjų ir mažųjų raidių nejautrus teksto atitikimas pagal nutylėjimą
Pasirinktinis reguliariojo reiškinio šablonų palaikymas kintamiesiems žymenims
Pasirinkimas įtraukti arba pašalinti raktinio žodžio puslapį iš ankstesnio ar kito išvesties failo
Veikia su natyviais tekstiniais PDF ir OCR apdorotais nuskaitytais dokumentais
Generuoja iš eilės sunumeruotus failus arba ZIP archyvą
Tvarko PDF su šimtais skaidymo taškų
Išsaugo visą turinį įskaitant vaizdus
šriftus ir anotacijas
Saugus TLS perdavimas ir automatinis trynimas per 60 minučių

Naudojimo atvejai

Masinio sąskaitų faktūrų eksporto skaidymas į atskirus sąskaitų PDF failus
Masinio formų nuskaitymo skaidymas prie kiekvieno formos ID atskiriamąjų puslapio
Dienos ataskaitų paketo skaidymas prie kiekvieno antraštės „Data:“
Atskirų klientų laiškų ištraukimas iš pašto sujungimo eksporto
Teisinio protokolo skaidymas prie kiekvieno žymens EKSPONATAS
Mokymo vadovo skaidymas prie kiekvienos antraštės „Modulis“
Sujungto testo rezultatų failo skaidymas prie kiekvieno studento pavardės

Kaip naudoti

1Įkelkite PDF, kuriame yra pasikartojantys tekstiniai žymenys, kuriuos norite naudoti kaip skaidymo taškus.
2Įveskite raktinį žodį arba frazię skaidymui. Įjunkite didžiųjų ir mažųjų raidių nejautrų atitikimas, jei rašyba skiriasi, arba įveskite reguliarųjį reiškinį kintamiesiems šablonams.
3Pasirinkite, ar puslapis su raktiniu žodžiu pradeda kitą išvesties failą, ar baigia ankstesnį — tai lemia, kur atsiduria atskiriamųjų puslapių grupė.
4Spustelėkite „Apdoroti“. Dokk.ai nuskaito kiekvieną puslapį, identifikuoja visus atitikmenis ir dalija dokumentą kiekvienoje vietoje.
5Atsisiųskite atskirus padalintus failus arba ZIP archyvą. Failai sunumeruojami iš eilės ir kiekvienas atitinka vieną sekciją tarp raktinių žodžių pasitaikymų.

Masiniai PDF eksportai iš ERP sistemų, sąskaitų faktūrų sistemų ir formų valdymo programinės įrangos dažnai turi šimtus ar tūkstančius dokumentų viename faile, atskirto nuosekliais raktiniais žodžiais ar frazių. Rankinis puslapių diapazonų įvedimas užimų valandas. Dokk.ai įrankis „Skaidyti PDF pagal tekstą“ nuskaito kiekvieną puslapį ieškodamas jūsų raktinio žodžio ar reguliariojo reiškinio šablono ir automatiškai dalija dokumentą kiekvieną kartą, kai jis pasirodo. Palaikomas didžiųjų ir mažųjų raidių nejautrus atitikimas pagal nutylėjimą ir pasirinktiniai reguliariojo reiškinio šablonai kintamiesiems žymenims — pvz., Sąskaita #\d+ bet kokiam sąskaitos numeriui. Galite konfigurūoti, ar puslapyje su raktiniu žodžiu esantis puslapis tampa kito išvesties failo pirmuoju puslapiu, ar ankstesnio paskutiniu. Šis įrankis papildo buhalterijos automatizavimą, formų apdorojimą ir masinį dokumentų paskirstymą. Buhalterinė sistema eksportuoja 500 sąskaitų kaip vieną PDF — šis įrankis atpažįsta skaidymo žymenis ir sukuria 500 atskirų failų. Galite pasirinkti, ar puslapis su raktiniu žodžiu turi būti įtrauktas į išvesties failą, ar atmestas. Didžiosios ir mažosios raidės neskiriamos. Skaidymas pagal tekstą papildo skaidymą pagal žymes dokumentams be formalios struktūros, bet su nuosekliais tekstiniais žymenimis. Visi failai apdorojami saugioje dokk.ai infrastruktūroje. Ištrinami per 60 minučių. Niekada nenaudojami mašininio mokymosi tikslais.

Dažniausiai užduodami klausimai

Saugumas ir privatumas

Dokumento tekstas nuskaičiuojamas tik skaidymo raktinio žodžio paiškai ir nėra saugomas ar indeksuojamas. Visi failai perduodami per TLS ir ištrinami per 60 minučių po apdorojimo. Dokk.ai atitinka BDAR ir niekada nenaudoja dokumentų turinio mokymui ar analizėi.