విభజన కోసం ఏ రకాల కీవర్డ్లు ఉత్తమంగా పనిచేస్తాయి?

ప్రతి విభాగంలో సరిగ్గా ఒకసారి కనిపించే స్థిరమైన, ప్రత్యేక పదబంధాలు ఉత్తమంగా పనిచేస్తాయి. ఉదాహరణలు: ఇన్వాయిస్ నంబర్, పేజీ 1 of, EXHIBIT, గౌరవనీయులు లేదా పత్ర ID ముందుభాగాలు. ఒక విభాగంలో చాలాసార్లు కనిపించే చాలా సాధారణ పదాలను నివారించండి.

స్కాన్ చేయబడిన PDF లపై సాధనం పనిచేస్తుందా?

టెక్స్ట్ ద్వారా విభజించుకు మెషిన్-రీడబుల్ టెక్స్ట్ అవసరం. స్కాన్ చేయబడిన చిత్రం PDF లను టెక్స్ట్ సేకరించడానికి మొదట OCR తో ప్రాసెస్ చేయాలి. టెక్స్ట్ ద్వారా విభజించు వర్తించే ముందు స్కాన్ చేయబడిన PDF లో dokk.ai యొక్క OCR సాధనాన్ని ఉపయోగించండి.

నేను విభజన కీవర్డ్గా రెగ్యులర్ ఎక్స్ప్రెషన్ను ఉపయోగించగలనా?

అవును. రీజెక్స్ ఆప్షన్ ప్రారంభించి Invoice #\d+ వంటి నమూనాను నమోదు చేయండి ఏదైనా ఇన్వాయిస్ నంబర్ను మ్యాచ్ చేయడానికి, లేదా లైన్ ప్రారంభంలో నెల పేర్ల వద్ద విభజించడానికి ^(January|February|March) నమోదు చేయండి.

పత్రంలో కీవర్డ్ కనిపించకపోతే ఏమవుతుంది?

మ్యాచ్లు కనుగొనబడకపోతే, సాధనం అసలు PDF ని మారక తిరిగిస్తుంది మరియు కీవర్డ్ గుర్తించబడలేదని సూచిస్తూ హెచ్చరిక చూపిస్తుంది. స్పెల్లింగ్ తనిఖీ చేయండి మరియు PDF మెషిన్-రీడబుల్ టెక్స్ట్ను కలిగి ఉందని నిర్ధారించుకోండి.

టెక్స్ట్ ద్వారా విభజించు మరియు బుక్మార్క్ల ద్వారా విభజించు మధ్య తేడా ఏమిటి?

బుక్మార్క్ల ద్వారా విభజించు PDF లో పొందుపరచిన నిర్మాణాత్మక ఔట్లైన్ను ఉపయోగిస్తుంది. టెక్స్ట్ ద్వారా విభజించు విభజన బిందువులను డైనమిక్గా కనుగొనడానికి వాస్తవ పేజీ కంటెంట్ను ఉపయోగిస్తుంది. అధికారిక ఔట్లైన్ ఉన్న నిర్మాణాత్మక పత్రాల కోసం బుక్మార్క్లు ఉపయోగించండి; స్థిరమైన కీవర్డ్లు ఉన్న స్వయంచాలకంగా ఉత్పత్తి చేయబడిన బ్యాచ్ ఎగుమతుల కోసం టెక్స్ట్ ద్వారా విభజించు ఉపయోగించండి.

నేను అవుట్పుట్లో కీవర్డ్ పేజీని చేర్చవచ్చా లేదా మినహాయించవచ్చా?

అవును. కీవర్డ్ ఉన్న పేజీ తదుపరి అవుట్పుట్ ఫైల్ యొక్క మొదటి పేజీగా మారుతుందా లేదా మునుపటి అవుట్పుట్ ఫైల్ యొక్క చివరి పేజీగా మారుతుందా అని కాన్ఫిగర్ చేయవచ్చు. అర్థవంతమైన కంటెంట్ ఏమీ లేకుంటే సెపరేటర్ పేజీలను పూర్తిగా తొలగించవచ్చు.

సాధనం ఎన్ని విభజన బిందువులను నిర్వహించగలదు?

విభజన బిందువులపై హార్డ్ లిమిట్ లేదు. 1,000 కంటే ఎక్కువ కీవర్డ్ సంభవింపులు ఉన్న పత్రాలపై సాధనం పరీక్షించబడింది, ఒకే ZIP ఆర్కైవ్లో 1,000 కంటే ఎక్కువ అవుట్పుట్ ఫైళ్ళను ఉత్పత్తి చేస్తుంది.

అవుట్పుట్ ఫైళ్ళు స్వయంచాలకంగా పేరు పెట్టబడతాయా?

అవుట్పుట్ ఫైళ్ళు డిఫాల్ట్గా వరుసగా పేరు పెట్టబడతాయి (ఉదా., split_001.pdf, split_002.pdf). కీవర్డ్ మ్యాచ్ ప్రత్యేక గుర్తింపు కలిగి ఉంటే (ఇన్వాయిస్ నంబర్ వంటిది), ఆ విలువ ఐచ్ఛికంగా ఫైల్నేమ్లో ఉపయోగించబడవచ్చు.

నేను కొన్ని కీవర్డ్ మ్యాచ్ల నుండి మాత్రమే పేజీలను సేకరించగలనా?

ప్రామాణిక వర్క్ఫ్లో ప్రతి మ్యాచ్ వద్ద విభజిస్తుంది. ఎంపికపరమైన సేకరణ కోసం, విభజన పూర్వావలోకనం నుండి మీకు అవసరమైన పేజీ పరిధులను గుర్తించిన తర్వాత పేజీలు సేకరించు ఉపయోగించండి, లేదా మాన్యువల్ నియంత్రణ కోసం పేజీ పరిధి ద్వారా విభజించు ఉపయోగించండి.

ఫైల్ పరిమాణ పరిమితి ఉందా?

dokk.ai 200 MB వరకు PDF లను స్వీకరిస్తుంది. పెద్ద బ్యాచ్ ఎగుమతుల కోసం, మొదట మూలం ఫైల్ను సగానికి విభజించి తర్వాత ప్రతి సగానికి టెక్స్ట్ ద్వారా విభజించు వర్తించుకోవడాన్ని పరిగణించండి.

అన్ని సాధనాలు

టెక్స్ట్ ద్వారా విభజించండి

పేజీల మధ్య టెక్స్ట్ మారినప్పుడు విభజించండి

1అప్‌లోడ్ చేయండి

2కాన్ఫిగర్ చేయండి

3ప్రాసెస్ చేయండి

Drop file here

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

ముఖ్య లక్షణాలు

నిర్దిష్ట కీవర్డ్ లేదా పదబంధాన్ని కలిగి ఉన్న ప్రతి పేజీ వద్ద PDF ని విభజిస్తుంది
డిఫాల్ట్‌గా కేస్-ఇన్‌సెన్సిటివ్ టెక్స్ట్ మ్యాచింగ్
వేరియబుల్ మార్కర్‌ల కోసం ఐచ్ఛిక రెగ్యులర్ ఎక్స్‌ప్రెషన్ నమూనా మద్దతు
కీవర్డ్ పేజీని మునుపటి లేదా తర్వాతి అవుట్‌పుట్ ఫైల్‌లో చేర్చడానికి లేదా మినహాయించడానికి ఎంపిక
నేటివ్ టెక్స్ట్ PDF లు మరియు OCR-ప్రాసెస్ చేయబడిన స్కాన్ పత్రాలతో పనిచేస్తుంది
వరుసగా సంఖ్యాంకితం చేయబడిన ఫైళ్ళు లేదా ZIP ఆర్కైవ్ అవుట్‌పుట్ చేస్తుంది
వందల విభజన బిందువులు ఉన్న PDF లను నిర్వహిస్తుంది
చిత్రాలు
ఫాంట్లు మరియు ఆనోటేషన్‌లతో సహా అన్ని కంటెంట్ భద్రపరుస్తుంది
సురక్షిత TLS అప్‌లోడ్ మరియు 60 నిమిషాల్లో స్వయంచాలక తొలగింపు

వాడుక సందర్భాలు

బ్యాచ్ ఇన్వాయిస్ ఎగుమతిని వ్యక్తిగత ఇన్వాయిస్ PDF లుగా విభజించడం
ప్రతి ఫారమ్ ID సెపరేటర్ పేజీ వద్ద బ్యాచ్ ఫారమ్ స్కాన్‌ను విభజించడం
ప్రతి తేదీ హెడర్ వద్ద రోజువారీ నివేదిక బండిల్‌ను విభజించడం
మెయిల్-మెర్జ్ ఎగుమతి నుండి వ్యక్తిగత క్లయింట్ లేఖలను సేకరించడం
ప్రతి EXHIBIT మార్కర్ వద్ద న్యాయ ట్రాన్స్‌క్రిప్ట్‌ను విభజించడం
ప్రతి మాడ్యూల్ శీర్షిక వద్ద శిక్షణా మాన్యువల్‌ను విభజించడం
ప్రతి విద్యార్థి పేరు వద్ద విలీనం చేయబడిన పరీక్షా ఫలితాల ఫైల్‌ను విభజించడం

ఎలా ఉపయోగించాలి

1విభజన బిందువులుగా ఉపయోగించాలనుకుంటున్న పునరావృత టెక్స్ట్ మార్కర్‌లను కలిగి ఉన్న PDF ని అప్‌లోడ్ చేయండి.
2విభజించాల్సిన కీవర్డ్ లేదా పదబంధాన్ని నమోదు చేయండి. స్పెల్లింగ్ మారుతూ ఉంటే కేస్-ఇన్‌సెన్సిటివ్ మ్యాచింగ్ ప్రారంభించండి, లేదా వేరియబుల్ నమూనాల కోసం రెగ్యులర్ ఎక్స్‌ప్రెషన్ నమోదు చేయండి.
3కీవర్డ్ ఉన్న పేజీ తదుపరి అవుట్‌పుట్ ఫైల్‌ను ప్రారంభిస్తుందా లేదా మునుపటి దాన్ని ముగిస్తుందా అని ఎంచుకోండి — ఇది సెపరేటర్ పేజీలు ఎక్కడ ఉంటాయో నిర్ణయిస్తుంది.
4ప్రాసెస్ క్లిక్ చేయండి. dokk.ai ప్రతి పేజీని స్కాన్ చేస్తుంది, అన్ని మ్యాచ్‌లను గుర్తిస్తుంది మరియు ప్రతి సంభవించిన చోట పత్రాన్ని విభజిస్తుంది.
5వ్యక్తిగత విభజించబడిన ఫైళ్ళు లేదా ZIP ఆర్కైవ్ డౌన్‌లోడ్ చేయండి. ఫైళ్ళు వరుసగా పేరు పెట్టబడతాయి మరియు ప్రతిది కీవర్డ్ సంభవింపుల మధ్య ఒక విభాగానికి అనుగుణంగా ఉంటుంది.

PDF ERP వ్యవస్థలు, ఇన్వాయిసింగ్ సాఫ్ట్‌వేర్ మరియు ఫారమ్ నిర్వహణ సాఫ్ట్‌వేర్ నుండి బ్యాచ్ ఎగుమతులు తరచుగా ఒకే ఫైల్‌లో వందలు లేదా వేల పత్రాలను కలిగి ఉంటాయి, స్థిరమైన కీవర్డ్‌లు లేదా పదబంధాల ద్వారా వేరు చేయబడతాయి. పేజీ పరిధులను మాన్యువల్‌గా నమోదు చేయడానికి గంటలు పట్టేది. dokk.ai యొక్క టెక్స్ట్ ద్వారా PDF విభజించు సాధనం మీ కీవర్డ్ లేదా రెగ్యులర్ ఎక్స్‌ప్రెషన్ నమూనా కోసం ప్రతి పేజీని స్కాన్ చేస్తుంది మరియు ప్రతి సంభవించిన చోట పత్రాన్ని స్వయంచాలకంగా విభజిస్తుంది. డిఫాల్ట్‌గా కేస్-ఇన్‌సెన్సిటివ్ మ్యాచింగ్ మద్దతు ఇవ్వబడుతుంది మరియు వేరియబుల్ మార్కర్‌ల కోసం ఐచ్ఛిక రెగ్యులర్ ఎక్స్‌ప్రెషన్ నమూనాలు కూడా — ఉదా., ఏదైనా ఇన్వాయిస్ నంబర్ కోసం Invoice #\d+. కీవర్డ్ ఉన్న పేజీ తదుపరి అవుట్‌పుట్ ఫైల్ యొక్క మొదటి పేజీగా మారుతుందా లేదా మునుపటి పేజీ యొక్క చివరి పేజీగా మారుతుందా అని కాన్ఫిగర్ చేయవచ్చు. ఈ సాధనం అకౌంటింగ్ ఆటోమేషన్, ఫారమ్ ప్రాసెసింగ్ మరియు మాస్ పత్ర పంపిణీని పూర్తి చేస్తుంది. అకౌంటింగ్ వ్యవస్థ ఒక PDF గా 500 ఇన్వాయిస్‌లను ఎగుమతి చేస్తుంది — ఈ సాధనం విభజన మార్కర్‌లను గుర్తించి 500 ప్రత్యేక ఫైళ్ళను సృష్టిస్తుంది. కీవర్డ్ ఉన్న పేజీ అవుట్‌పుట్ ఫైల్‌లో చేర్చాలా లేదా తొలగించాలా అని ఎంచుకోవచ్చు. కేస్-సెన్సిటివిటీ పరిగణనలోకి తీసుకోబడదు. టెక్స్ట్ ద్వారా విభజించు అధికారిక నిర్మాణం లేదు కానీ స్థిరమైన టెక్స్ట్ మార్కర్‌లు ఉన్న పత్రాల కోసం బుక్‌మార్క్‌ల ద్వారా విభజించుకు పూరకంగా ఉంటుంది. dokk.ai సురక్షిత మౌలిక సదుపాయాలపై అన్ని ఫైళ్ళు ప్రాసెస్ చేయబడతాయి. 60 నిమిషాల్లో తొలగించబడతాయి. మెషిన్ లెర్నింగ్ కోసం ఎప్పుడూ ఉపయోగించబడవు.

తరచుగా అడిగే ప్రశ్నలు

భద్రత మరియు గోప్యత

పత్రం టెక్స్ట్ విభజన కీవర్డ్‌ను కనుగొనడానికి మాత్రమే స్కాన్ చేయబడుతుంది మరియు నిల్వ చేయబడదు లేదా ఇండెక్స్ చేయబడదు. అన్ని ఫైళ్ళు TLS ద్వారా బదిలీ చేయబడతాయి మరియు ప్రాసెసింగ్ తర్వాత 60 నిమిషాల్లో తొలగించబడతాయి. dokk.ai GDPR అనుకూలం మరియు శిక్షణ లేదా విశ్లేషణ కోసం పత్ర కంటెంట్‌ను ఎప్పుడూ ఉపయోగించదు.