ଟେକ୍ସଟ୍ ଅନୁସାରେ ବିଭାଜନ

ଯେତେବେଳେ ଏକ PDF ଏକାଧିକ ଡକୁମେଣ୍ଟ ଏକତ୍ର ଯୋଡ଼ି ଏକ ବ୍ୟାଚ ଏକ୍ସପୋର୍ଟ — ଏକ ଫାଇଲରେ ଶହ ଶହ ଇନଭଏସ, ଦିନଟିର ସ୍କାନ ହୋଇଥିବା ଫର୍ମ, କିମ୍ବା ପ୍ରତ୍ୟେକ ବିଭାଗ ଏକ ଜଣାଶୁଣା ଶୀର୍ଷକରେ ଆରମ୍ଭ ହେଉଥିବା ସ୍ୱୟଂ-ସୃଷ୍ଟ ରିପୋର୍ଟ — ତେବେ ଏକ ସ୍ଥିର ଶବ୍ଦ ଅନୁସାରେ ବିଭାଜନ ପୃଷ୍ଠା ପରିସୀମା ହାତରେ ଚିହ୍ନଟ ତୁଳନାରେ ବହୁତ ଦ୍ରୁତ। ଟେକ୍ସଟ ଅନୁସାରେ ବିଭାଜନ ଆପଣ ଦେଇଥିବା ବାକ୍ୟାଂଶ ପାଇଁ ପ୍ରତ୍ୟେକ ପୃଷ୍ଠା ସ୍କାନ କରେ ଏବଂ ସେହି ବାକ୍ୟାଂଶ ଦେଖାଯିବା ମାତ୍ରେ ନୂଆ ଆଉଟପୁଟ ଫାଇଲ ସୃଷ୍ଟି କରେ, ଡକୁମେଣ୍ଟର ନିଜ ବିଷୟବସ୍ତୁକୁ ବିଭାଜନ ମାନଚିତ୍ର ଭାବେ ବ୍ୟବହାର କରି। ଏହା ସେହି ଉପକରଣ ଯାହା ହିସାବ ପ୍ରଦାନ ସ୍ୱୟଂଚାଳନ, ଫର୍ମ ପ୍ରକ୍ରିୟାକରଣ ପାଇପଲାଇନ, ଏବଂ ବହୁଳ ଡକୁମେଣ୍ଟ ବିତରଣ କାର୍ଯ୍ୟପ୍ରବାହ ସମ୍ପୂର୍ଣ୍ଣ କରେ। ଏକ ହିସାବ ବ୍ୟବସ୍ଥା 500 ଇନଭଏସ ଏକ PDF ଭାବେ ଏକ୍ସପୋର୍ଟ କରେ; ଟେକ୍ସଟ ଅନୁସାରେ ବିଭାଜନ ପ୍ରତ୍ୟେକ ବିଭାଜକ ପୃଷ୍ଠାରେ 'ଇନଭଏସ ନମ୍ବର' ଖୋଜି 500 ବ୍ୟକ୍ତିଗତ ଇନଭଏସ ଫାଇଲ ପ୍ରସ୍ତୁତ କରେ। ଏକ ଚିକିତ୍ସା ରେକର୍ଡ ବ୍ୟବସ୍ଥା ରୋଗୀ ପତ୍ର ବ୍ୟାଚ କରେ; ଉପକରଣ ପ୍ରତି ରୋଗୀଙ୍କ ପାଇଁ ଗୋଟିଏ ପତ୍ର ପ୍ରସ୍ତୁତ କରିବାକୁ 'ପ୍ରିୟ ରୋଗୀ' ରେ ବିଭାଜନ କରେ। ଏକ ଲଜିଷ୍ଟିକ୍ସ କମ୍ପାନୀ ଦୈନିକ ମ୍ୟାନିଫେଷ୍ଟ ଗ୍ରହଣ କରେ ଯେଉଁଥିରେ ପ୍ରତ୍ୟେକ ଚାଲାଣ 'ଚାଲାଣ ID' ଥିବା ବାର୍କୋଡ ଲେବେଲରେ ଆରମ୍ଭ ହୁଏ; ଉପକରଣ ପ୍ରତ୍ୟେକ ଚାଲାଣକୁ ପରବର୍ତ୍ତୀ ପ୍ରକ୍ରିୟାକରଣ ପାଇଁ ନିଜ ଫାଇଲରେ ପୃଥକ କରେ। ଆପଣ ଚୟନ କରିପାରିବେ ଶବ୍ଦ ଥିବା ପୃଷ୍ଠାକୁ ଆଉଟପୁଟ ଫାଇଲରେ ସାମିଲ କରିବେ ନା ବାଦ ଦେବେ — ନିଜର କୌଣସି ଅର୍ଥପୂର୍ଣ୍ଣ ବିଷୟବସ୍ତୁ ନଥିବା ବିଭାଜକ ପୃଷ୍ଠା ପାଇଁ ଉପଯୋଗୀ। କେସ-ଅସଂବେଦନଶୀଳ ମ୍ୟାଚିଂ ନିଶ୍ଚିତ କରେ ଯେ ସ୍ୱୟଂ-ସୃଷ୍ଟ ଡକୁମେଣ୍ଟରେ ବଡ଼-ଛୋଟ ଅକ୍ଷର ଭିନ୍ନତା ନେଇ ଚିନ୍ତା କରିବାକୁ ପଡିବ ନାହିଁ। ରେଗୁଲାର ଏକ୍ସପ୍ରେସନ ପ୍ୟାଟର୍ନ ଉନ୍ନତ ବ୍ୟବହାର ପାଇଁ ସମର୍ଥିତ ଯେଉଁଠାରେ ବିଭାଜନ ଚିହ୍ନ ପରିବର୍ତ୍ତନଶୀଳ, ଯେପରି 'Invoice #\d+' ଯେକୌଣସି ଇନଭଏସ ନମ୍ବର ମ୍ୟାଚ କରେ। ଟେକ୍ସଟ ଅନୁସାରେ ବିଭାଜନ ବୁକମାର୍କ ଅନୁସାରେ ବିଭାଜନକୁ ପୂରକ କରେ ଯେଉଁ ଡକୁମେଣ୍ଟରେ ଆନୁଷ୍ଠାନିକ ରୂପରେଖା ନାହିଁ କିନ୍ତୁ ସ୍ଥିର ପାଠ୍ୟ ଚିହ୍ନ ଅଛି। ଦୁହିଁଟି ଥିଲେ, ବୁକମାର୍କ ସାଧାରଣତଃ ଅଧିକ ନିର୍ଭରଯୋଗ୍ୟ କାରଣ ସେଗୁଡ଼ିକ ବିଷୟବସ୍ତୁ-ଆଧାରିତ ନ ହୋଇ ସଂରଚନାତ୍ମକ। ସର୍ବାଧିକ ନମନୀୟତା ପାଇଁ, ଦୁଇ ପଦ୍ଧତି ମିଶାନ୍ତୁ: ଅଧ୍ୟାୟ ସ୍ତରରେ ବୁକମାର୍କ ଅନୁସାରେ ବିଭାଜନ, ତାପରେ ବ୍ୟକ୍ତିଗତ ରେକର୍ଡ ପୃଥକ କରିବାକୁ ଅଧ୍ୟାୟ ଭିତରେ ଟେକ୍ସଟ ଅନୁସାରେ ବିଭାଜନ। ସमସ୍ତ ଫାଇଲ ପ୍ରକ୍ରିୟାକରଣ dokk.ai ର ସୁରକ୍ଷିତ ଭିତ୍ତିଭୂମିରେ ହୁଏ। ଫାଇଲ 60 ମିନିଟ ଭିତରେ ବିଲୋପ ହୁଏ ଏବଂ ମେସିନ ଲର୍ନିଂ ପାଇଁ କଦାପି ବ୍ୟବହୃତ ହୁଏ ନାହିଁ କିମ୍ବା ତୃତୀୟ ପକ୍ଷ ସହ ଅଂଶୀଦାର ହୁଏ ନାହିଁ। ଆଉଟପୁଟ ଫାଇଲ ପ୍ରତ୍ୟେକ ରିଡର, ପ୍ରିଣ୍ଟର, ଏବଂ ଡକୁମେଣ୍ଟ ପରିଚାଳନା ବ୍ୟବସ୍ଥା ସହ ସୁସଙ୍ଗତ ମାନକ PDF।