Loại từ khóa nào hoạt động tốt nhất để chia tách?

Các cụm từ nhất quán, độc đáo xuất hiện đúng một lần mỗi phần hoạt động tốt nhất. Ví dụ bao gồm Số hóa đơn, Trang 1 trên, TRIỂN LÃM, Kính gửi hoặc tiền tố ID tài liệu. Tránh các từ rất phổ biến xuất hiện nhiều lần trong một phần.

Công cụ có hoạt động trên PDF quét không?

Tách theo văn bản yêu cầu văn bản có thể đọc bằng máy. Các PDF ảnh quét phải được xử lý bằng OCR trước để trích xuất văn bản. Sử dụng công cụ OCR của dokk.ai trên PDF quét trước khi áp dụng Tách theo văn bản.

Tôi có thể sử dụng biểu thức chính quy làm từ khóa chia tách không?

Có. Bật tùy chọn regex và nhập mẫu như Hoa don #\d+ để khớp với bất kỳ số hóa đơn nào, hoặc ^(Thang Mot|Thang Hai|Thang Ba) để chia tách tại tên tháng ở đầu dòng.

Điều gì xảy ra nếu từ khóa không xuất hiện trong tài liệu?

Nếu không tìm thấy kết quả khớp, công cụ trả về PDF gốc không thay đổi và hiển thị cảnh báo cho biết từ khóa không được phát hiện. Kiểm tra chính tả và đảm bảo PDF chứa văn bản có thể đọc bằng máy.

Sự khác biệt giữa Tách theo văn bản và Tách theo dấu trang là gì?

Tách theo dấu trang sử dụng cấu trúc phác thảo nhúng trong PDF. Tách theo văn bản sử dụng nội dung trang thực tế để tìm các điểm chia tách một cách động. Sử dụng dấu trang cho các tài liệu có cấu trúc với phác thảo chính thức; sử dụng Tách theo văn bản cho các xuất hàng loạt được tạo tự động nơi các từ khóa nhất quán có mặt nhưng dấu trang có thể vắng mặt.

Tôi có thể bao gồm hoặc loại trừ trang từ khóa khỏi tệp kết quả không?

Có. Bạn có thể cấu hình liệu trang chứa từ khóa trở thành trang đầu tiên của tệp kết quả tiếp theo hay trang cuối cùng của tệp kết quả trước đó. Bạn cũng có thể chọn loại bỏ các trang phân cách nếu chúng không chứa nội dung có ý nghĩa.

Công cụ có thể xử lý bao nhiêu điểm chia tách?

Không có giới hạn cứng về điểm chia tách. Công cụ đã được thử nghiệm trên các tài liệu có hơn 1.000 lần xuất hiện từ khóa, tạo ra hơn 1.000 tệp kết quả trong một kho lưu trữ ZIP duy nhất.

Các tệp kết quả có được đặt tên tự động không?

Các tệp kết quả được đặt tên tuần tự theo mặc định (ví dụ: tach_001.pdf, tach_002.pdf). Nếu kết quả khớp từ khóa chứa mã định danh duy nhất (chẳng hạn như số hóa đơn), giá trị đó có thể tùy chọn được sử dụng trong tên tệp.

Tôi có thể trích xuất các trang chỉ từ một số kết quả khớp từ khóa không?

Quy trình chuẩn chia tách tại mỗi kết quả khớp. Để trích xuất có chọn lọc, sử dụng Trích xuất trang sau khi xác định phạm vi trang bạn cần từ xem trước chia tách, hoặc sử dụng Tách theo phạm vi trang để kiểm soát thủ công.

Có giới hạn kích thước tệp không?

Dokk.ai chấp nhận PDF lên đến 200 MB. Đối với các xuất hàng loạt lớn hơn, hãy xem xét chia tệp nguồn làm đôi trước rồi áp dụng Tách theo văn bản cho mỗi nửa.

Tất cả công cụ

Tách theo văn bản

Tách khi văn bản thay đổi giữa các trang

1Tải lên

2Cấu hình

3Xử lý

Drop file here

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

Tính năng chính

Tách PDF tại mỗi trang chứa từ khóa hoặc cụm từ được chỉ định
Khớp văn bản không phân biệt chữ hoa chữ thường theo mặc định
Hỗ trợ mẫu biểu thức chính quy tùy chọn cho các nhãn biến
Lựa chọn bao gồm hoặc loại trừ trang từ khóa khỏi tệp kết quả trước hoặc sau
Hoạt động với PDF văn bản gốc và tài liệu quét được xử lý bằng OCR
Tạo tệp được đánh số tuần tự hoặc kho lưu trữ ZIP
Xử lý PDF có hàng trăm điểm chia tách
Giữ nguyên toàn bộ nội dung bao gồm hình ảnh
phông chữ và chú thích
Tải lên an toàn qua TLS và tự động xóa trong vòng 60 phút

Trường hợp sử dụng

Tách xuất hóa đơn hàng loạt thành các tệp PDF hóa đơn riêng lẻ
Chia quét biểu mẫu hàng loạt tại mỗi trang phân cách ID biểu mẫu
Tách gói báo cáo hàng ngày tại mỗi tiêu đề Ngày:
Trích xuất thư của từng khách hàng từ xuất trộn thư
Chia biên bản pháp lý tại mỗi nhãn TRIỂN LÃM
Tách tài liệu đào tạo tại mỗi tiêu đề Mô-đun
Chia tệp PDF kết quả kiểm tra hợp nhất tại mỗi tên học sinh

Cách sử dụng

1Tải lên tệp PDF chứa các nhãn văn bản lặp lại mà bạn muốn sử dụng làm điểm chia tách.
2Nhập từ khóa hoặc cụm từ để chia tách. Bật khớp không phân biệt chữ hoa chữ thường nếu cách viết hoa khác nhau, hoặc nhập biểu thức chính quy cho các mẫu biến.
3Chọn liệu trang chứa từ khóa bắt đầu tệp kết quả tiếp theo hay kết thúc tệp trước — điều này xác định vị trí các trang phân cách.
4Nhấp Xử lý. Dokk.ai quét từng trang, xác định tất cả các kết quả khớp và chia tài liệu tại mỗi lần xuất hiện.
5Tải xuống các tệp đã chia riêng lẻ hoặc kho lưu trữ ZIP. Các tệp được đặt tên tuần tự và mỗi tệp tương ứng với một phần giữa các lần xuất hiện từ khóa.

Các tệp PDF xuất hàng loạt từ hệ thống ERP, hệ thống hóa đơn và phần mềm quản lý biểu mẫu thường chứa hàng trăm hoặc hàng nghìn tài liệu trong một tệp, được phân cách bằng các từ khóa hoặc cụm từ nhất quán. Nhập thủ công các phạm vi trang sẽ tốn hàng giờ. Công cụ Tách PDF theo văn bản của dokk.ai quét từng trang để tìm từ khóa hoặc mẫu biểu thức chính quy của bạn và tự động chia tài liệu tại mỗi lần xuất hiện. Hỗ trợ khớp không phân biệt chữ hoa chữ thường theo mặc định và các mẫu biểu thức chính quy tùy chọn cho các nhãn biến — ví dụ: Hoa don #\d+ cho bất kỳ số hóa đơn nào. Bạn có thể cấu hình liệu trang chứa từ khóa trở thành trang đầu tiên của tệp kết quả tiếp theo hay trang cuối cùng của tệp trước đó. Công cụ này bổ sung cho tự động hóa kế toán, xử lý biểu mẫu và phân phối tài liệu hàng loạt. Hệ thống kế toán xuất 500 hóa đơn dưới dạng một PDF — công cụ này nhận ra các nhãn phân chia và tạo ra 500 tệp riêng lẻ. Bạn có thể chọn liệu trang chứa từ khóa có được đưa vào tệp kết quả hay bị loại bỏ. Không phân biệt chữ hoa chữ thường. Tách theo văn bản bổ sung cho Tách theo dấu trang đối với các tài liệu không có cấu trúc chính thức nhưng có nhãn văn bản nhất quán. Tất cả tệp được xử lý trên cơ sở hạ tầng bảo mật của dokk.ai. Xóa trong vòng 60 phút. Không bao giờ được sử dụng để huấn luyện máy học.

Câu hỏi thường gặp

Bảo mật và quyền riêng tư

Văn bản tài liệu chỉ được quét để tìm từ khóa chia tách và không được lưu trữ hay lập chỉ mục. Tất cả tệp được truyền qua TLS và xóa trong vòng 60 phút sau khi xử lý. Dokk.ai tuân thủ GDPR và không bao giờ sử dụng nội dung tài liệu để huấn luyện hay phân tích.